MétaCan
Menu
Retour à la cohorte
Enregistrement W4321616767 · doi:10.1016/j.ajcnut.2023.01.023

Important food sources of fructose-containing sugars and adiposity: A systematic review and meta-analysis of controlled feeding trials

2023· review· en· W4321616767 sur OpenAlexafffund
Laura Chiavaroli, Annette Cheung, Sabrina Ayoub‐Charette, Amna Ahmed, Danielle Lee, Fei Au‐Yeung, Xinye Qi, Songhee Back, Néma McGlynn, Vanessa Ha, Ethan Lai, Tauseef Khan, Sonia Blanco Mejía, Andreea Zurbau, Vivian L. Choo, Russell J. de Souza, Thomas M.S. Wolever, Lawrence A. Leiter, Cyril W.C. Kendall, David J.A. Jenkins, John L. Sievenpiper

Notice bibliographique

RevueAmerican Journal of Clinical Nutrition · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueDiet, Metabolism, and Disease
Établissements canadiensImpactHamilton Health SciencesUniversity of TorontoGlycemic Index LaboratoriesMcMaster UniversityQueen's UniversityUniversity of SaskatchewanPopulation Health Research InstituteSt. Michael's Hospital
Organismes subventionnairesInstitute for the Advancement of Food and Nutrition SciencesInternational Nut and Dried Fruit CouncilUniversity of TorontoCanada Foundation for InnovationCanadian Society of Endocrinology and MetabolismOntario Ministry of Research, Innovation and ScienceCanadian Institutes of Health ResearchNational Honey BoardASN Foundation for Kidney ResearchGovernment of CanadaBanting and Best Diabetes Centre, University of TorontoU.S. Department of AgricultureInternational Life Sciences InstitutePeanut InstituteSt. Michael’s Hospital FoundationUnileverDiabetes CanadaOntario Research FoundationUnited Soybean BoardSoy Nutrition InstituteDairy Farmers of CanadaIan's Friends FoundationFlax Council of CanadaCanadian Diabetes Association
Mots-clésMeta-analysisMedicineCochrane LibraryHigh-fructose corn syrupRefined grainsFood scienceFructoseRandomized controlled trialSugarInternal medicineChemistryWhole grains

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Sugar-sweetened beverages (SSBs) providing excess energy increase adiposity. The effect of other food sources of sugars at different energy control levels is unclear. OBJECTIVES: To determine the effect of food sources of fructose-containing sugars by energy control on adiposity. METHODS: In this systematic review and meta-analysis, MEDLINE, Embase, and Cochrane Library were searched through April 2022 for controlled trials ≥2 wk. We prespecified 4 trial designs by energy control: substitution (energy-matched replacement of sugars), addition (energy from sugars added), subtraction (energy from sugars subtracted), and ad libitum (energy from sugars freely replaced). Independent authors extracted data. The primary outcome was body weight. Secondary outcomes included other adiposity measures. Grading of Recommendations Assessment, Development, and Evaluation (GRADE) was used to assess the certainty of evidence. RESULTS: = 0.022) in subtraction trials with no effect in substitution or ad libitum trials. There was interaction/influence by food sources on body weight: substitution trials [fruits decreased; added nutritive sweeteners and mixed sources (with SSBs) increased]; addition trials [dried fruits, honey, fruits (≤10%E), and 100% fruit juice (≤10%E) decreased; SSBs, fruit drink, and mixed sources (with SSBs) increased]; subtraction trials [removal of mixed sources (with SSBs) decreased]; and ad libitum trials [mixed sources (with/without SSBs) increased]. GRADE scores were generally moderate. Results were similar across secondary outcomes. CONCLUSIONS: Energy control and food sources mediate the effect of fructose-containing sugars on adiposity. The evidence provides a good indication that excess energy from sugars (particularly SSBs at high doses ≥20%E or 100 g/d) increase adiposity, whereas their removal decrease adiposity. Most other food sources had no effect, with some showing decreases (particularly fruits at lower doses ≤10%E or 50 g/d). This trial was registered at clinicaltrials.gov as NCT02558920 (https://clinicaltrials.gov/ct2/show/NCT02558920).

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)0,017
score de la tête « metaresearch » (Gemma)0,044
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,044
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0190,031
Bibliométrie0,0070,008
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,277
Tête enseignante GPT0,488
Écart entre enseignants0,211 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations31
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Clinical NutritionMême sujetDiet, Metabolism, and DiseaseTravaux en français237 207