The effect of beverage choice at an ad libitum meal caloric intake and post‐meal appetite and glycemia in healthy young men
Notice bibliographique
Résumé
We hypothesized that milk with meals lowers food intake and post meal blood glucose and appetite when compared with other beverages. In a randomized crossover design, 15 men (age: 22.1±0.5 years; BMI: 22.6±0.4 kg/m2) consumed one of five beverages, 1% milk (110 kcal/250 ml), orange juice (110 kcal/250 ml), regular cola (110 kcal/250 ml), diet cola (0 kcal), and water (0 kcal), at a pizza meal. Blood glucose and subjective appetite were measured at baseline and at 20, 30, 45, 60, 75, 90, 105 and 120 min. Pizza intake was not affected by beverage, but total energy intake (P<0.0001) and postprandial appetite suppression (P=0.02) were higher with milk, orange juice and regular cola compared to water and diet cola. Ad libitum consumption of milk and pizza resulted in the highest intakes of proteins (P=0.012), vitamins and minerals and less total carbohydrate, sugars and caffeine (P<0.0001). Blood glucose area under the curve after milk was reduced by 31% and 36% compared to orange juice and regular cola, respectively (P=0.0003), with no difference between water, milk and diet cola. Glucose peaks at 30 min were lower after milk and diet cola (P<0.0001) and after only milk at 60 min (P=0.004) compared to orange juice and regular cola. While milk did not reduce meal time food intake, its contribution to nutrient balance at the meal and its lowering of post meal glycemia and appetite suggest that it is the preferred caloric meal‐time beverage. Grant Funding Source : Natural Sciences and Engineering Research Council of Canada‐Collaborative Research and Development, Dairy Farmers of Ontario and Kraft Canada
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».