Effect of low-and non-calorie sweeteners on the gut microbiota: A review of clinical trials and cross-sectional studies
Notice bibliographique
Résumé
Use of non-nutritive sweeteners (NNSs) has increased worldwide in recent decades. However, evidence from preclinical studies shows that sweetener consumption may induce glucose intolerance through changes in the gut microbiota, which raises public health concerns. As studies conducted on humans are lacking, the aim of this review was to gather and summarize the current evidence on the effects of NNSs on human gut microbiota. Only clinical trials and cross-sectional studies were included in the review. Regarding NNSs (i.e, saccharin, sucralose, aspartame, and stevia), only two of five clinical trials showed significant changes in gut microbiota composition after the intervention protocol. These studies concluded that saccharin and sucralose impair glycemic tolerance. In three of the four cross-sectional studies an association between NNSs and the microbial composition was observed. All three clinical trials on polyols (i.e, xylitol) showed prebiotic effects on gut microbiota, but these studies had multiple limitations (publication date, dosage, duration) that jeopardize their validity. The microbial response to NNSs consumption could be strongly mediated by the gut microbial composition at baseline. Further studies in which the potential personalized microbial response to NNSs consumption is acknowledged, and that include longer intervention protocols, larger cohorts, and more realistic sweetener dosage are needed to broaden these findings.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».