MétaCan
Menu
Retour à la cohorte
Enregistrement W4248999588 · doi:10.3390/nu10040394

Effect of Commercially Available Sugar-Sweetened Beverages on Subjective Appetite and Short-Term Food Intake in Girls

2018· article· en· W4248999588 sur OpenAlexafffund
Lorianne J. Bennett, Julia O. Totosy de Zepetnek, Neil R. Brett, Kelly Poirier, Qing Guo, Dérick Rousseau, Nick Bellissimo

Notice bibliographique

RevueNutrients · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueDiet and metabolism studies
Établissements canadiensToronto Metropolitan UniversityUniversity of ReginaMount Saint Vincent University
Organismes subventionnairesMount Saint Vincent UniversityRyerson University
Mots-clésAppetiteFood scienceSugarEnvironmental healthFood intakeAdded sugarMedicineChemistryEndocrinology

Résumé

récupéré en direct d'OpenAlex

Background: The effect of sugar-sweetened beverages (SSBs) on satiety and short-term food intake (FI) regulation in girls has received little attention. The objective of the present study was to compare the effect of pre-meal consumption of commercially available SSBs on subjective appetite and short-term FI in 9–14-year-old girls. The methods we used include using a randomized crossover design in which 28 girls consumed isovolumetric amounts (350 mL) of a fruit drink (154 kcal), cola (158 kcal), 1% chocolate milk (224 kcal), or water (control; 0 kcal) on four separate mornings. Subjective appetite and thirst were measured at regular intervals via visual analogue scales (VAS) and FI was assessed at 60 min post-beverage consumption. The results show that subjective appetite and thirst decreased after all beverages, but did not differ among beverages. Short-term FI was suppressed following consumption of chocolate milk (15%; p < 0.001) and cola (11%; p = 0.02) compared to the water control. However, cumulative energy intake (beverage (kcal) + test meal (kcal)) was not affected by beverage type. In conclusion, chocolate milk and cola, but not fruit drink, suppressed FI in girls while cumulative FI did not differ among treatments.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,282
Écart entre enseignants0,265 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations19
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetDiet and metabolism studiesTravaux en français237 207