MétaCan
Menu
Retour à la cohorte
Enregistrement W3163856678 · doi:10.3390/nu13051687

Eating Speed, Eating Frequency, and Their Relationships with Diet Quality, Adiposity, and Metabolic Syndrome, or Its Components

2021· review· en· W3163856678 sur OpenAlexfundno aff
Tany E. Garcidueñas-Fimbres, Indira Paz‐Graniel, Stephanie Nishi, Jordi Salas‐Salvadó, Nancy Babió

Notice bibliographique

RevueNutrients · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchUniversitat Rovira i VirgiliInstitució Catalana de Recerca i Estudis AvançatsMinisterio de Educación, Cultura y DeporteConsejo Nacional de Ciencia y Tecnología
Mots-clésOverweightObesityMedicineObservational studyMetabolic syndromeGerontologyEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

Excess body weight is a major global health concern, particularly due to its associated increased health risks. Several strategies have been proposed to prevent overweight and obesity onset. In the past decade, it has been suggested that eating speed/rate and eating frequency might be related to obesity. The main aim of this narrative review was to summarize existing evidence regarding the impact of eating speed/rate and eating frequency on adiposity, metabolic syndrome (MetS), or diet quality (DQ). For this purpose, a literature search of observational and interventional trials was conducted between June and September 2020 in PubMed and Web of Sciences databases, without any data filters and no limitations for publication date. Results suggest that children and adults with a faster eating speed/rate may be associated with a higher risk of developing adiposity, MetS or its components. Furthermore, a higher eating frequency could be associated with diet quality improvement, lower adiposity, and lower risk of developing MetS or its components. Further interventional trials are warranted to clarify the mechanism by which these eating behaviors might have a potential impact on health.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,120
Tête enseignante GPT0,348
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations60
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetObesity, Physical Activity, DietTravaux en français237 207