100% Fruit Juice Intake, Glucose Profile, and Uric Acid: A Systematic Review
Notice bibliographique
Résumé
Several studies suggest a favorable effect of 100% fruit juice (100%FJ) on cardio-metabolic risk. However, international dietary guidelines disagree on recommendations regarding fruit drink consumption, and the published European Food Safety Authority draft, based only on epidemiological data, suggested a direct relationship between 100%FJ intake and the development of type 2 diabetes mellitus (T2DM) and gout. Thus, we performed a systematic review of both randomized controlled trials (RCT) and prospective studies that assessed the relationship between 100%FJ intake, uric acid metabolism, and glucose profile. Concerning previous meta-analyses, no new prospective studies were identified for the evaluation of T2DM, and no studies were identified for the assessment of gout risk in the general population; conversely, 3 studies were detected for the assessment of gestational diabetes risk. Moreover, new RCTs were detected and included in an updated meta-analysis on glucose profile and uric acid. 100%FJ intake was associated with a decrease in uric acid, and neutral associations were found for different markers of glucose metabolism and the risk of gestational diabetes. In summary, this meta-analysis confirmed that there was no difference between 100%FJ intake and the comparator on glucose metabolism. It also showed that 100%FJ intake resulted in lower levels of uric acid than the comparator. In addition, the analysis indicated a neutral effect of 100%FJ on gestational diabetes. Finally, the systematic review confirmed the neutral effect of 100%FJ on T2DM and suggested the need for further studies to evaluate the risk of gout.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».