The relationship between major food sources of fructose and cardiovascular disease, cancer, and all-cause mortality: a systematic review and dose-response meta-analysis of cohort studies
Notice bibliographique
Résumé
We aimed to summarize the associations between food sources of fructose and cardiovascular diseases (CVD), cancer, and all-cause mortality risk using a systematic review and meta-analysis. We searched PubMed, Scopus, and Web of Science up to November 2020. We included cohort studies that investigated the relationship between mortality risk (all-cause, CVD, specific CVD, and total and site-specific cancers) and intake of ≥1 food source of fructose (fruit, fruit juice, breakfast cereals, sugar-sweetened beverages (SSBs), sweets, and yogurt) in general adult population. Summary hazard ratios and 95% CIs were estimated using a random-effects model for linear and nonlinear relationships. Findings indicated that each 100 g/d increase in fruit intake was associated with 8-13% lower risk of CVDs, stroke, gastrointestinal, and lung cancer mortality. For all-cause mortality, there was a beneficial relationship up to 200 g/d fruit, and then plateaued. For ischemic heart disease and cancer mortality, there was a beneficial relationship up to 300 g/d followed by a slight increase. Ingestion of breakfast cereals and sweets was also associated with lower risk of all-cause mortality. For yogurt, a non-linear marginal decrease in all-cause mortality was found. Ingestion of each 200 g/d yogurt was associated with a 14% lower risk of CVD mortality. Every 60 g/d increase in sweet intake was linked to a 5% lower risk of all-cause mortality. Contrariwise, every 250 g/d increase in SSBs intake was associated with 7–10% higher risk of all-cause and CVD mortality. In conclusion, beneficial associations were found between fruit, breakfast cereals, sweets, and yogurt with all-cause and/or CVD mortality risk. Fruit intake had also an inverse link with cancer mortality. Conversely, SSBs had a harmful relationship with all-cause and CVD mortality.Registry number: CRD42019144956
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 | 0,012 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,014 | 0,035 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».