MétaCan
Menu
Retour à la cohorte
Enregistrement W4405967368 · doi:10.3390/nu17010067

Common Questions and Misconceptions About Energy Drinks: What Does the Scientific Evidence Really Show?

2024· review· en· W4405967368 sur OpenAlexaff
José António, Brandi Antonio, Shawn M. Arent, Darren G. Candow, Guillermo Escalante, Cassandra Evans, Scott C. Forbes, David H. Fukuda, Maureen Gibbons, Patrick S. Harty, Andrew R. Jagim, Douglas Kalman, Chad M. Kerksick, Jennifer A. Kurtz, Joseph Lillis, Lonnie Lowery, Gianna F. Mastrofini, Scotty Mills, Michael T. Nelson, Flavia Pereira, Justin Roberts, Michael Sagner, Jeffrey R. Stout, Jaime L. Tartar, Adam J. Wells

Notice bibliographique

RevueNutrients · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueCoffee research and impacts
Établissements canadiensBrandon UniversityUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésCaffeineEnergy (signal processing)Affect (linguistics)Energy consumptionMedicineEnvironmental healthFood sciencePsychologyChemistryEngineeringPsychiatryPhysics

Résumé

récupéré en direct d'OpenAlex

Energy drinks are a commonly consumed beverage, and studies suggest a possible performance-enhancing effect. A Google Scholar search using the keywords "energy drinks" and "exercise" yields numerous results, underscoring the voluminous research on this topic. However, there are questions regarding the effectiveness and safety of energy drinks. These questions include, but are not limited to: (1) What are the main active ingredients in energy drinks? (2) Do energy drinks assist in weight management? (3) Do energy drinks enhance aerobic performance? (4) Do energy drinks enhance athletic speed? (5) Do energy drinks improve reaction time? (6) Do energy drinks enhance lean tissue mass? (7) Can energy drinks improve cognitive performance? (8) Does the acute consumption of energy drinks elevate resting energy expenditure? (9) Is there any evidence to suggest that energy drinks are more effective than an identical serving of caffeine alone? (10) Are there sex differences in the response to energy drink consumption? (11) Do energy drinks affect sleep or sleepiness? (12) Should pregnant women avoid energy drinks? (13) Do energy drinks adversely affect cardiovascular function? (14) Does consuming energy drinks cause brain damage? (15) What are other safety considerations regarding energy drinks? (16) Is there any evidence to suggest that energy drinks are more effective than an identical serving of caffeine alone? (17) If caffeine is the main active ingredient in energy drinks and coffee, why is there a discrepancy in the adverse events reported for each? To address these questions, we performed an evidence-based scientific evaluation of the literature on energy drink supplementation.

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)0,141
score de la tête « metaresearch » (Gemma)0,430
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,746

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1410,430
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0060,006
Bibliométrie0,0150,016
Études des sciences et des technologies0,0030,020
Communication savante0,0110,019
Science ouverte0,0050,006
Intégrité de la recherche0,0130,017
Charge utile insuffisante (le modèle a refusé de juger)0,0090,004

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 Opus0,100
Tête enseignante GPT0,427
Écart entre enseignants0,327 · 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'étudeSans objet
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

Citations12
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetCoffee research and impactsTravaux en français237 207