MétaCan
Menu
Retour à la cohorte
Enregistrement W4386602241 · doi:10.3390/nu15183916

Intakes of Added Sugars, with a Focus on Beverages and the Associations with Nutrient Adequacy in US Adults (NHANES 2003–2018)

2023· article· en· W4386602241 sur OpenAlexaff
Laurie Ricciuto, Victor L. Fulgoni, P. Courtney Gaine, Maria O. Scott, Loretta DiFrancesco

Notice bibliographique

RevueNutrients · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueDiet, Metabolism, and Disease
Établissements canadiensCanadian Nutrition SocietyUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNational Health and Nutrition Examination SurveyEnvironmental healthNutrientMedicineFood scienceDietary SucroseGerontologyBiologySugarPopulation

Résumé

récupéré en direct d'OpenAlex

The Dietary Guidelines for Americans recommend adults increase their intake of nutrients that are under-consumed while limiting their intake of added sugars, sodium, and saturated fats. The purpose of this study was to examine the relationship between added sugars intake from specific types of beverages with added sugars (soft drinks, fruit drinks, sports and energy drinks, coffee and tea, and flavored milk) and nutrient adequacy among US adults (19+ y). Data from eight consecutive 2-y cycles of NHANES were combined (2003-2004 through 2017-2018), and regression analysis was conducted to test for trends in quantiles of added sugars intake from each beverage source and the rest of the diet (excluding those beverages) and nutrient adequacy. Results revealed significant associations that varied in direction according to the added sugars source, negative for some (i.e., soft drinks) in terms of greater percentages of adults not meeting a defined threshold of nutrient adequacy with higher added sugars intakes, and positive for others (i.e., fruit drinks, flavored milk, the rest of the diet) in terms of lower percentages of adults not meeting nutrient thresholds. In conclusion, the contribution of different added sugars sources to nutrient intakes is a critical consideration in developing population-based dietary recommendations.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,243
Écart entre enseignants0,233 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetDiet, Metabolism, and DiseaseTravaux en français237 207