Notice bibliographique
Résumé
Consumption of sugar sweetened beverage is one of its dietary causes, as sugar plays an important role in our daily life. Sucrose is highly metabolically active and result in weight gain and type-II diabetes. These side effects make companies to launch various synthetic sweetening agents known as alternative sweeteners or non-nutritive sweeteners. NNSs are ubiquitous and widely used every day in a variety of food, dietary products and beverages. Most NNSs are not metabolized by the body so, they do not contribute any energy or very low colonies, so especially advantageous for person are diets requiring calorie restriction (diabetes or overweight). Six of these agents e.g. aspartame, saccharine, neotame, acesulfame-K, sucralose and Stevia have previously received a generally recognized as safe status and approved by FDA. These are claimed to promote weight loss and avoiding other problems associated with excessive caloric intake and also deemed safe for consumption by diabetes and help them achieving good glycemic control. Glycosides present in them like stevia sides in Stevia which is extracted from natural source have anti- hyperglycemic, anti-oxidant, and anti-hyperglycemic effects. These also help preventing tooth decay. NNSs are efficacious weight management strategy and good for diabetes are may provide very low calories and much sweeter than table sugar Thus, satisfying sweet cravings is their major advantage. Recommendations about alternative sweaters used should be tailored to the specific dietary and lifestyle patterns as each of the available sweaters has certain advantages and disadvantageous in case of long term usage.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».