MétaCan
Menu
Retour à la cohorte
Enregistrement W4280617295 · doi:10.3390/nu14102091

Non-Nutritive Sweetener Intake Is Low in Preschool-Aged Children in the Guelph Family Health Pilot Study

2022· article· en· W4280617295 sur OpenAlexafffundabout
Anisha Mahajan, Jess Haines, Alex Carriero, Jaimie L. Hogan, Jessica Yu, Andrea C. Buchholz, Alison M. Duncan, Gerarda Darlington, David W.L.

Notice bibliographique

RevueNutrients · 2022
Typearticle
Langueen
DomaineNursing
ThématiqueBiochemical Analysis and Sensing Techniques
Établissements canadiensUniversity of Guelph
Organismes subventionnairesCanadian Institutes of Health ResearchHeart and Stroke Foundation of Canada
Mots-clésSucraloseAspartameMedicineArtificial SweetenerEnvironmental healthLimitingFood intakeAdded sugarFruit juicePopulationFood scienceSugarPediatricsBiology

Résumé

récupéré en direct d'OpenAlex

There is limited research on the intake of non-nutritive sweeteners (NNS) among preschool-aged children. Canada’s Food Guide suggests limiting intake of NNS for all population groups and Health Canada recommends that young children (<2 years) avoid consuming beverages containing NNS. The aim of this study was to investigate the frequency and type of non-nutritive sweetener (NNS) intake in preschool-aged children participating in the Guelph Family Health Study pilots. Parents (n = 78 families) completed 3-day food records (n = 112 children; n = 55 females, n = 57 males; 3.6 years ± 1.3). Nineteen children (17%) reported consumption of foods or beverages containing NNS. Food sources with NNS included: freezies, oral nutritional supplements, flavored water, carbonated drinks, sugar free jam and protein powder. The majority of NNS contained in these foods were identified as stevia leaf extract, acesulfame K, sucralose, monk fruit extract and aspartame. Future research should continue to study NNS intake patterns longitudinally in children and examine the association of NNS intake with diet quality and health outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,744

Scores Codex et Gemma par catégorie

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

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 Opus0,023
Tête enseignante GPT0,281
Écart entre enseignants0,259 · 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 tête enseignante, 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

Citations5
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetBiochemical Analysis and Sensing TechniquesTravaux en français237 207