- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT03543644
Strategien, um Zucker mit nicht nahrhaften Süßstoffen oder Wasser zu widerlegen (STOP Sugars NOW) Trial
Eine randomisierte kontrollierte Studie über die Wirkung des Ersatzes von zuckergesüßten Getränken durch nicht nahrhafte gesüßte Getränke oder Wasser auf das Darmmikrobiom und die Stoffwechselergebnisse: STOP Sugars NOW Trial
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
HINTERGRUND UND BEDEUTUNG:
Internationale Gesundheitsbehörden und Verbände für chronische Krankheiten haben eine Reduzierung des freien/zugesetzten Zuckers auf ≤ 5-10 % der Energie gefordert, um den wachsenden Epidemien von Fettleibigkeit und Diabetes entgegenzuwirken. Die Aufmerksamkeit hat sich insbesondere auf die Verringerung der Hauptquelle für freien Zucker, zuckergesüßte Getränke (SSBs), konzentriert, deren übermäßiger Konsum mit Gewichtszunahme, Diabetes und deren nachgelagerten Komplikationen, einschließlich Bluthochdruck und koronarer Herzkrankheit (KHK), in Verbindung gebracht wurde. Das Healthy Kids Panel von Ontario, Health Canada, der Ständige Senatsausschuss, die Heart and Stroke Foundation und Diabetes Canada haben Richtlinien zur Reduzierung von SSBs empfohlen, darunter Ersatzstrategien, Besteuerung und/oder Werbeverbote für Kinder. Eine Rolle für nicht nahrhafte Süßstoffe (NNS) in diesen politischen Optionen war auffallend abwesend.
Es besteht die Sorge, dass NNSs zu einer Zunahme der Krankheiten beitragen könnten, die sie zu verhindern versuchen. Systematische Reviews und Metaanalysen prospektiver Kohortenstudien haben gezeigt, dass NNSs mit einem erhöhten Risiko für Gewichtszunahme, Diabetes und KHK assoziiert sind. Obwohl diese Evidenz anerkanntermaßen ein hohes Risiko einer umgekehrten Kausalität aufweist und nicht mit Evidenz höherer Qualität aus randomisierten kontrollierten Studien übereinstimmt, wurden mehrere biologische Mechanismen vorgeschlagen, darunter Veränderungen im Darmmikrobiom. Eine sehr einflussreiche Studie kam zu dem Schluss, dass NNSs eine Glukoseintoleranz durch einen Verlust der Diversität im Mikrobiom induzieren. Diese Studie widersprach jedoch einer nachfolgenden Studie und hatte mehrere methodische Schwächen, einschließlich des Fehlens einer Kontrollgruppe. Trotz der Ungewissheiten haben diese Daten zu einem negativen Bild der NNS in den Medien beigetragen.
Es besteht ein dringender Bedarf, die anhaltenden Bedenken im Zusammenhang mit NNSs anzugehen. Insbesondere Health Canada hat darauf hingewiesen, dass Studien zu Zuckerreduktionsstrategien, die NNSs verwenden und auf das Mikrobiom abzielen, eine wichtige Forschungspriorität sind. Die Forscher schlagen vor, eine vom CIHR finanzierte randomisierte kontrollierte Studie durchzuführen, die die Wirkung einer „realen“ Strategie zur Reduzierung von SSBs unter Verwendung von nicht nahrhaften gesüßten Getränken (NSBs) oder Wasser auf das Darmmikrobiom, die Glukosetoleranz und kardiometabolische Risikofaktoren bei Übergewicht bewertet oder übergewichtige Teilnehmer.
ZIELE
- Bewertung der Wirkung des Ersatzes von SSBs durch NSBs oder Wasser auf das erste primäre Ergebnis der Diversität des Darmmikrobioms über 4 Wochen bei übergewichtigen oder fettleibigen Teilnehmern.
- Bewertung der Wirkung des Ersatzes von SSBs durch NSBs oder Wasser auf das zweite primäre Ergebnis der Glukosetoleranz über 4 Wochen bei übergewichtigen oder fettleibigen Teilnehmern.
- Bewertung der Wirkung des Ersatzes von SSBs durch NSBs oder Wasser auf die sekundären und explorativen Ergebnisse von Körpergewicht, Blutdruck, Glukose- und Insulinregulierung, Blutfetten, ektopischem Fett, Leberfett, Körperfett und Ernährungsqualität über 4 Wochen bei Übergewicht oder übergewichtige Teilnehmer
TEILNEHMER:
Die Teilnehmer werden aus einer Population von gesunden, erwachsenen Männern und nicht schwangeren Frauen rekrutiert, die übergewichtig oder fettleibig sind (BMI > 23 kg/m2 für Asiaten und > 25 kg/m2 für andere Personen), die derzeit angeben, regelmäßig SSBs zu trinken (≥ 1 täglich servieren). 75 Teilnehmer werden für die Studie rekrutiert. Von den 75 Teilnehmern werden 30 gebeten, einer MRT-Untersuchung zur Messung ihrer Leber- und Muskel-Adipositas zuzustimmen.
DESIGN:
Die Studie ist eine vierwöchige monozentrische, offene, randomisierte, kontrollierte Crossover-Studie mit drei Armen (SSB, NSB, Wasser), in der die Wirkung des Ersatzes von SSBs durch NSBs oder Wasser auf das Darmmikrobiom verglichen wird. Jeder Teilnehmer fungiert als seine eigene Kontrolle und erhält die Interventionen vier Wochen lang in zufälliger Reihenfolge, wobei die Interventionsphasen durch vierwöchige Auswaschphasen getrennt sind.
LEISTUNGSBERECHNUNG:
Die Studie wird mit insgesamt 75 Teilnehmern durchgeführt. Es zeigt einen Unterschied zwischen den Wasser-, NSB- und SSB-Armen bei 60 Teilnehmern in den beiden primären Ergebnissen. Geht man von einer Drop-out-Rate von 20 Prozent aus, bräuchten wir 75 Teilnehmer, um einen Unterschied feststellen zu können.
Das erste primäre Ergebnis ist die Beta-Diversität der Darmmikrobiomgemeinschaften der Teilnehmer zwischen Wasser- und NSB-Gruppen über die 16S-ribosomale rRNA-Gensequenzierung. Die Forscher verwendeten das Micropower R-Paket, um die Stichprobengröße basierend auf der Leistung der 16S-Tag-Sequenzierung zu berechnen, die mit paarweise gewichteten UniFrac-Abständen analysiert werden kann. UniFrac ist eine Distanzmetrik, die auf dem einzigartigen Bruchteil der Astlänge in einem phylogenetischen Baum basiert, der aus zwei Gruppen von Taxa aufgebaut ist. Der Vergleich von Mikrobiomproben erfolgt über gewichtetes UniFrac, das die relative Häufigkeit von Taxa berücksichtigt. Die Forscher simulierten den Abstand innerhalb der Gruppe als 0,2 und die Standardabweichung (SD) der Abstände innerhalb der Gruppe als 0,07. Um einen gewichteten UniFrac-Abstand von 0,04 zu erkennen, der kleiner ist als der Effekt, der in einer Studie von Suez et al. (0,05 abgeleitet von Abbildung 5), und in Anbetracht dessen, dass es sich um eine Cross-Over-Studie mit einer Intra-Person-Korrelation von 0,7 handelt, und unter Berücksichtigung mehrerer Arme berechneten die Ermittler, dass die Ermittler für eine Power von über 95 Prozent 60 Teilnehmer in dieser Studie benötigen würden . Geht man von einem Verlust von 20 Prozent aus, rekrutieren die Ermittler 75 Teilnehmer. Die Forscher sind zuversichtlich, eine Veränderung der Darmmikrobiom-Diversität zu erkennen, falls vorhanden, da frühere Studien zeigen, dass kleine Änderungen in der Ernährung bei weniger Personen (10 bis 25 Personen) über einen viel kürzeren Zeitraum (5 bis 7 Tage) zu einer signifikanten Veränderung der Darmmikrobiom-Taxa führen ).
Das zweite primäre Ergebnis ist die Glukosetoleranz, gemessen anhand der inkrementellen Fläche unter der Kurve (iAUC) aus einem 2-stündigen 75-g-OGTT. Bei 60 Teilnehmern haben die Ermittler eine Aussagekraft von 89 Prozent (unter der Annahme absoluter Zahlen für Mittelwert und SD aus der jüngsten unveröffentlichten randomisierten Studie der Ermittler), um eine 20 %ige Änderung der mittleren iAUC zwischen der Wasser- und der NSB-Gruppe zu erkennen, wenn die Richtung der Änderung ähnlich wie bei Suez ist et al. unter der Annahme einer Innerpersonenkorrelation von 0,7 und unter Berücksichtigung der drei Vergleiche. Die Differenz von 20 % für die Glukose-iAUC basiert auf der minimal wichtigen Differenz, die von Health Canada vorgeschlagen wurde, um Behauptungen zur Reduzierung der postprandialen Blutzuckerreaktion zu unterstützen.
Diese Power-Berechnung berücksichtigt die Anpassung für mehrere Tests für beide primären Endpunkte unter Verwendung des Benjamini-Hochberg-Verfahrens, das eine von der Food and Drug Administration in ihrer „Multiple Endpoints in Clinical Trials Guidance for Industry“ vorgeschlagene Methode ist (https://www .fda.gov/downloads/drugs/guidancecomplianceregulatoryinformation/guidances/ucm536750.pdf). Das Benjamini-Hochberg-Verfahren ist eine Step-down-Methode, die die Rate falscher Entdeckungen kontrolliert und gleichzeitig eine hohe Leistung beibehält. Die Ermittler werden eine abgeschnittene Benjamini-Hochberg-Methode mit parallelem Gatekeeping implementieren, bei der ein Teil des ungenutzten Alphas aus jedem Schritt für die Weitergabe an die sekundäre Ergebnisfamilie reserviert ist, wenn eines der primären Ergebnisse signifikant ist. Die für die primären Endpunkte berechneten Alpha-Niveaus sind in Tabelle 2 angegeben. Die Studie ist auch darauf ausgelegt, einen Unterschied zwischen den drei Armen für sekundäre Endpunkte mit einem α = 0,0125 aufzuzeigen, dem niedrigstmöglichen Anfangs-α für sekundäre Endpunkte, basierend auf dem verkürzten Benjamini- Hochberg-Verfahren.
Teilstudie: 1H-MRS wird bei 30 Probanden durchgeführt, um intrahepatisches und intramuskuläres Fett zu beurteilen. Die Ermittler haben eine Aussagekraft von 99 %, um einen Unterschied im Leberfett von 5 % zwischen dem Wasser- und dem NSB-Arm sowohl für Leber- als auch für Muskelfett unter der Annahme einer SD von 4 % zwischen den Gruppen mit einer Korrelation von 0,65 und einem Alpha von 0,05 nachzuweisen.
REKRUTIERUNG:
Unter Verwendung des Research Electronic Data Capture (REDCap)-Programms führt das Applied Health Research Center (AHRC) die Randomisierung ohne Stratifizierung durch. Nach erfolgreichem Abschluss der Einlaufphase und nach Messungen beim ersten Studienbesuch werden die Teilnehmer unter Verwendung einer Block-Randomisierung (lateinische Quadrate) in Gruppen von maximal sechs Personen randomisiert. Diese Gruppen werden Sequenzen sein, die SSB-, NSB- und Wassergruppen darstellen. Die lateinischen Quadratsequenzen werden den Teilnehmern nach dem Zufallsprinzip zugeteilt, wobei jeder Behandlungssequenz eine ähnliche Anzahl von Teilnehmern zugeteilt wird. Der Randomisierungsplan wird ebenfalls von AHRC über REDCap erstellt. Die Teilnehmer werden erst dann randomisiert und erhalten ihre Studiengetränke, wenn alle Messwerte des ersten Studienbesuchs erfasst sind.
INTERVENTIONEN:
Es wird drei Interventionen geben: Die Teilnehmer erhalten SSB ihrer Wahl (355 ml, 140 kcal, 39 g Zucker pro Dose), äquivalentes NSB (355 ml, 0 kcal, 0 g Zucker pro Dose) oder Wasser (355 ml, 0 kcal, 0 g Zucker pro Dose oder Flasche stilles oder kohlensäurehaltiges Wasser), um die Menge an SSBs zu ersetzen, die sie normalerweise konsumieren (≥ 1 Portion/Tag), wie in der Einlaufphase festgestellt. Alle Interventionsgetränke werden jedem Teilnehmer zur Verfügung gestellt. Sie werden angewiesen, ihre üblichen SSBs durch die Studiengetränke zu ersetzen, während sie ihre üblichen Hintergrunddiäten frei konsumieren. Die Kalorien der Interventionsgruppen werden nicht angepasst, um „echte“ Substitutionen mit auf dem Markt erhältlichen Produkten zu ermöglichen. Sie holen eine Woche ihres Getränkeauftrags beim ersten Besuch jeder Phase ab und lassen sich dann die Getränke für die verbleibenden drei Wochen über einen Online-Lebensmittellieferdienst liefern. Entsprechend ihrer Gruppeneinteilung erhalten die Teilnehmenden während der Interventionsphase entsprechende Getränke. Sie kehren während der Auswaschphase, in der sie keine Getränke aus der Studie erhalten, zu ihrer üblichen SSB-Aufnahme zurück.
STATISTISCHE ANALYSE:
Die Daten werden nach dem Intention-to-Treat-Prinzip (ITT) unter Verwendung gemischter Modelle in STATA 14 (StataCorp, Texas, USA) analysiert. Die Sensitivitätsanalyse wird auf der Grundlage der vollständigen Datenverfügbarkeit für primäre Endpunkte durchgeführt. Eine separate Sensitivitätsanalyse wird auf der Grundlage des Antibiotikaeinsatzes während der Studie durchgeführt.
- Primäre Ergebnisse. Mixed-Effect-Modelle mit wiederholten Messungen werden verwendet, um Änderungen in den beiden primären Endpunkten i) Beta-Diversität und ii) Glukose-iAUC zwischen den Gruppen zu bewerten. Paarweise Vergleiche zwischen Eingriffen werden unter Verwendung der Tukey-Kramer-Anpassung oder anderer geeigneter Statistiken durchgeführt. Für alle primären Endpunkte wird die Effektmodifikation durch das Geschlecht untersucht. Die Ermittler werden die verkürzte Benjamini-Hochberg-Methode zur Kontrolle der Rate falscher Entdeckungen mit parallelem Gatekeeping-Verfahren verwenden, um Mehrfachvergleiche für alle primären Ergebnisse zu korrigieren.
- Sekundäre Ergebnisse. Mixed-Effect-Modelle mit wiederholten Messungen können verwendet werden, um Änderungen des Gewichts, Taillenumfangs, Nüchternglukose, 2-Stunden-Plasmaglukose und MATSUDA zu bewerten. Paarweise Vergleiche zwischen Eingriffen werden unter Verwendung der Tukey-Kramer-Anpassung oder anderer geeigneter Statistiken durchgeführt. Für alle sekundären Endpunkte wird die Effektmodifikation durch das Geschlecht untersucht. Die Ermittler verwenden die verkürzte Benjamini-Hochberg-Methode zur Kontrolle der Rate falscher Entdeckungen mit parallelem Gatekeeping-Verfahren, um Mehrfachvergleiche für alle sekundären Ergebnisvergleiche zu korrigieren, wenn mindestens ein primäres Ergebnis Signifikanz erreicht. Wenn keines der primären Ergebnisse Signifikanz erreicht, werden die sekundären Ergebnisse als explorative Variablen ohne Anpassung für die Rate falscher Entdeckungen analysiert.
- Explorative und Adhärenz-Ergebnisse. Mixed-Effect-Modelle mit wiederholten Messungen werden verwendet, um Änderungen in allen explorativen Ergebnissen zu bewerten, ohne die Rate falscher Entdeckungen zu kontrollieren. Paarweise Vergleiche zwischen Eingriffen werden unter Verwendung der Tukey-Kramer-Anpassung oder anderer geeigneter Statistiken durchgeführt. Die Effektmodifikation durch das Geschlecht wird untersucht.
ERGEBNISSE:
- Die beiden primären Ergebnisse sind die Veränderung der Beta-Diversität des Darmmikrobioms, gemessen durch 16S-rRNA-Gensequenzierung, und die Plasmaglukose-iAUC, gemessen durch OGTT.
- Sekundäre Endpunkte sind die Veränderung des Taillenumfangs, des Körpergewichts, des Nüchtern-Plasmaglukosespiegels, des 2-Stunden-Plasmaglukosespiegels [2h-PG] und des Matsuda-Ganzkörper-Insulinsensitivitätsindex [Matsuda ISIOGTT].
- Sondierungsergebnisse (unten als „Andere vorab festgelegte Ergebnismessungen“ bezeichnet) stellen eine umfassende, aber nicht erschöpfende Liste potenzieller Ergebnisse dar, die bewertet werden müssen und je nach Verfügbarkeit von Finanzmitteln auf Ad-hoc-Basis durchgeführt werden. Dazu gehören Veränderungen im ektopischen Fett (eine frühe metabolische Läsion) in der Leber (intra-hepatozelluläres Lipid [IHCL]) und Wadenmuskeln (intra-myozelluläres Lipid [IMCL]) durch 1H-MRS; Nüchtern-Plasma-Insulin; 75-g-OGTT-abgeleitete Indizes (iAUC-Plasmainsulin, maximale Konzentrationen (Cmax) und Zeit bis zu maximalen Konzentrationen (Tmax) von Plasmaglukose und -insulin und mittlere inkrementelle Plasmaglukose und -insulin); Bewertung des homöostatischen Modells der Insulinresistenz (HOMA IR); der Insulinsekretionssensitivitätsindex-2 [ISSI-2]); nüchternes Blutfettprofil; Sättigung, Hunger und Heißhunger (unter Verwendung des Fragebogens zur Kontrolle des Essens); Ernährungsqualität (durch Analyse der 3DDRs); und kardiometabolisches Risiko (systolischer und diastolischer Blutdruck, Lipidprofil (LDL, HDL, Nicht-HDL-Cholesterin, Gesamtcholesterin), CRP, Natrium im Urin, Leberfunktion/Schädigung (ALT, AST, ALP, TBIL) und Nierenfunktion/Schädigung (Albumin-zu-Kreatinin-Verhältnis [ACR], Kreatinin, eGFR)), Metabolomik und Proteomik.
- Die Ergebnisse der Adhärenz basieren auf Getränkeprotokollen der Teilnehmer, zurückgegebenen Getränkebehältern und objektiven Biomarkern von SSBs (erhöhte 13C/12C-Verhältnisse in Serumfettsäuren, erhöhte Fruktose im Urin), Wasser (verringerte 13C/12C-Verhältnisse in Serumfettsäuren, verringerte Fruktose im Urin). ) und NSBs (erhöhte Aufnahme von Acesulfam-Kalium, Sucralose im Urin).
Studientyp
Einschreibung (Tatsächlich)
Phase
- Unzutreffend
Kontakte und Standorte
Studienorte
-
-
Ontario
-
Toronto, Ontario, Kanada, M5C2T2
- St. Michael's Hospital
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Beschreibung
Einschlusskriterien:
- Gesunde, erwachsene (Alter 18-75 Jahre) Männer und nicht schwangere Frauen;
- Übergewicht oder Fettleibigkeit (BMI > 23 kg/m2 für Asiaten und > 25 kg/m2 für andere Personen);
- Hoher Taillenumfang (> 94 cm bei Männern, > 80 cm bei Frauen bei Europiden, Afrikanern südlich der Sahara, im östlichen Mittelmeerraum und im Nahen Osten; > 90 cm bei Männern und > 80 cm bei Frauen bei südasiatischen, chinesischen, japanischen, und Personen aus Süd- und Mittelamerika);
- Berichten Sie derzeit über das regelmäßige Trinken von SSBs (≥ 1 Portion täglich);
- Haben Sie einen Hausarzt;
- Nichtraucher;
- Frei von Krankheiten oder Krankheiten;
- Keine regelmäßige Einnahme von Medikamenten, die eine klinisch relevante Wirkung auf die primären Ergebnisse haben, da dies von den Ermittlern als unangemessen erachtet wird
Ausschlusskriterien:
- Alter < 18 oder > 75 Jahre;
- BMI < 23 kg/m2 für asiatische Personen und < 25 kg/m2 andere Personen;
- Taillenumfang < 94 cm bei Männern, < 80 cm bei Frauen bei Europiden, Afrikanern südlich der Sahara, im östlichen Mittelmeerraum und im Nahen Osten; < 90 cm bei Männern und < 80 cm bei Frauen für südasiatische, chinesische, japanische und süd- und mittelamerikanische Personen;
- Trinken Sie nicht regelmäßig SSBs (≥ 1 Portion pro Tag);
- Schwangere oder stillende Frauen oder Frauen, die während der gesamten Studiendauer schwanger werden möchten;
- Regelmäßige Einnahme von Medikamenten, die eine klinisch relevante Wirkung auf die primären Endpunkte haben, wie von Prüfärzten als unangemessen erachtet
- Antibiotikaverbrauch in den letzten 3 Monaten;
- Verwendung von Komplementär- oder Alternativmedizin (CAM), die von den Ermittlern als unangemessen erachtet wird;
- Selbstberichteter Diabetes;
- Selbstberichteter unkontrollierter Bluthochdruck (oder systolischer Blutdruck (BD) ≥ 160 mmHg oder diastolischer BD ≥ 100 mmHg [26]);
- Selbstberichtetes polyzystisches Ovarialsyndrom;
- Selbstberichtete Herz-Kreislauf-Erkrankung;
- Selbstberichtete Magen-Darm-Erkrankung;
- Vorheriger bariatrischer Eingriff;
- Selbstberichtete Lebererkrankung;
- Selbstberichtete unkontrollierte Hyperthyreose oder Hypothyreose;
- Selbstberichtete Nierenerkrankung;
- Selbstberichtete chronische Infektion;
- Selbstberichtete Lungenerkrankung;
- Selbstberichteter Krebs/Bösartigkeit;
- Selbstberichtetes Schizophrenie-Spektrum und andere psychotische Störungen, bipolare und verwandte Störungen und dissoziative Störungen;
- Größere Operation in den letzten 6 Monaten;
- Andere schwere Erkrankungen oder gesundheitsbedingte Vorfälle innerhalb der letzten 6 Monate;
- Raucher;
- Regelmäßige Freizeitdrogenkonsumenten;
- Starker Alkoholkonsum (> 3 Getränke/Tag);
- Sie haben keinen Hausarzt;
- Teilnahme an Studien innerhalb der letzten 6 Monate oder für die Dauer dieser Studie;
- Personen, die planen, während der gesamten Studiendauer Änderungen in der Ernährung oder körperlichen Aktivität vorzunehmen;
- Bei Teilnahme am MRT-Teil der Studie: alle Bedingungen oder Umstände, die den Teilnehmer daran hindern würden, sich einer MRT zu unterziehen (z. mit Prothesen oder Metallimplantaten, Tätowierungen oder Klaustrophobie)
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Verhütung
- Zuteilung: Zufällig
- Interventionsmodell: Crossover-Aufgabe
- Maskierung: Single
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
|---|---|
|
Aktiver Komparator: Zuckergesüßtes Getränk (SSB)
Die SSB-Intervention besteht darin, dass die Teilnehmer ihre übliche Portion SSBs aus der Dose (je 355 ml, 42 Gramm Zucker) pro Tag konsumieren.
Die Kalorien der SSB-Gruppe werden nicht angepasst, um „echte“ Substitutionen mit auf dem Markt erhältlichen Produkten zu ermöglichen.
|
SSBs werden jedem Teilnehmer zur Verfügung gestellt.
Die Teilnehmer können das SSB ihrer Wahl aus der Liste im Protokoll auswählen.
Sie werden angewiesen, ihre übliche SSB-Aufnahme zu trinken, Studiengetränke werden bereitgestellt, während sie ihre übliche Hintergrunddiät frei konsumieren.
Sie kehren während der Auswaschphase, in der sie keine Getränke aus der Studie erhalten, zu ihrer üblichen SSB-Aufnahme zurück.
|
|
Experimental: Nicht nahrhaftes gesüßtes Getränk (NSB)
Die NSB-Intervention besteht darin, die übliche Portion SSBs aus der Dose der Teilnehmer durch NSBs (je 355 ml, 0 Gramm Zucker) pro Tag zu ersetzen.
Die Kalorien der NSB-Gruppe werden nicht angepasst, um „echte“ Substitutionen mit auf dem Markt erhältlichen Produkten zu ermöglichen.
|
NSBs werden jedem Teilnehmer zur Verfügung gestellt.
Die Teilnehmer erhalten das NSB-Äquivalent zum üblichen SSB, das aus der Liste im Protokoll ausgewählt wird.
Sie werden angewiesen, ihre üblichen SSBs durch die NSBs zu ersetzen, während sie ihre üblichen Hintergrunddiäten frei konsumieren.
Sie kehren während der Auswaschphase, in der sie keine Getränke aus der Studie erhalten, zu ihrer üblichen SSB-Aufnahme zurück.
|
|
Experimental: Wasser
Die Wasserintervention besteht darin, die übliche Portion Dosen-SSBs der Teilnehmer durch Flaschen oder Dosen stilles oder kohlensäurehaltiges Wasser (je 355 ml Flasche oder Dose, 0 Gramm Zucker) pro Tag zu ersetzen.
Die Kalorien der Wassergruppe werden nicht angepasst, um „echte“ Substitutionen mit auf dem Markt erhältlichen Produkten zu ermöglichen.
|
Wasser wird jedem Teilnehmer zur Verfügung gestellt.
Sie werden angewiesen, ihre üblichen SSBs durch das Wasser zu ersetzen, während sie ihre üblichen Hintergrunddiäten frei konsumieren.
Sie kehren während der Auswaschphase, in der sie keine Getränke aus der Studie erhalten, zu ihrer üblichen SSB-Aufnahme zurück.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
Zusammensetzung des Darmmikrobioms, gemessen durch 16S-rRNA-Gensequenzierung
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
75 g OGTT-abgeleiteter Plasmaglukose-iAUC
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
Änderung des Taillenumfangs
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Veränderung des Körpergewichts
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Veränderung der Nüchtern-Plasmaglukose
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
75 g OGTT-abgeleitete 2-Stunden-Plasmaglukose [2h-PG]
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
75 g OGTT-abgeleiteter Matsuda-Ganzkörper-Insulinsensitivitätsindex [Matsuda ISI OGTT]
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
Andere Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
Ektopisches Fett in der Leber (intrahepatozelluläres Lipid [IHCL]) durch 1H-MRS (Teilstudie, n=30)
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Ektopisches Fett in der Wadenmuskulatur (intra-myozelluläres Lipid [IMCL]) durch 1H-MRS (Teilstudie, n=30)
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Nüchternes Plasmainsulin
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
75 g OGTT-abgeleitetes iAUC-Plasmainsulin
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
75 g OGTT abgeleitete maximale Konzentrationen (Cmax) und Zeit bis zu maximalen Konzentrationen (Tmax) von Plasmaglukose
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Aus 75 g OGTT abgeleitete maximale Konzentrationen (Cmax) und Zeit bis zur maximalen Konzentration (Tmax) von Plasmainsulin
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
75 g OGTT abgeleiteter mittlerer inkrementeller Plasmaglukosewert
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
75 g OGTT-abgeleitetes mittleres inkrementelles Plasmainsulin
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Bewertung des homöostatischen Modells der Insulinresistenz (HOMA IR)
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Insulinsekretions-Sensitivitätsindex-2 (ISSI-2)
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Sättigung, Hunger und Heißhunger (unter Verwendung des Fragebogens zur Kontrolle des Essens)
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Ernährungsqualität nach Alternative Healthy Eating Index (AHEI) (unter Verwendung einer gewogenen dreitägigen Ernährungsaufzeichnung)
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Adhärenzmarker – Objektive Biomarker von SSBs (erhöhte 13C/12C-Verhältnisse in Serumfettsäuren und erhöhte Fruktose im Urin)
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Adhärenzmarker – Objektive Biomarker Wasser (verringertes 13C/12C-Verhältnis in Serumfettsäuren und verringerte Fruktose im Urin)
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Adhärenzmarker - Objektive Biomarker NSBs (erhöhte Konzentration von Acesulfam-Kalium und/oder Sucralose im Urin)
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Haftungsmarker - Getränkeprotokolle
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Haftungsmarker - Zurückgegebene unbenutzte Flaschen
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Kardiometabolisches Risiko – Veränderung des systolischen Blutdrucks
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Kardiometabolisches Risiko – Veränderung des diastolischen Blutdrucks
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Kardiometabolisches Risiko – Lipidprofil – LDL-Cholesterin
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Kardiometabolisches Risiko – Lipidprofil – HDL-Cholesterin
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Kardiometabolisches Risiko – Lipidprofil – Nicht-HDL-Cholesterin
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Kardiometabolisches Risiko - Lipidprofil - Gesamtcholesterin
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Kardiometabolisches Risiko – Lipidprofil – Triglyceride
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Kardiometabolisches Risiko - C-reaktives Protein (CRP)
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Kardiometabolisches Risiko - Natrium im Urin
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Kardiometabolisches Risiko – Leberfunktion/Schädigung durch ALT
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Kardiometabolisches Risiko – Leberfunktion/Schädigung durch AST
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Kardiometabolisches Risiko – Leberfunktion/Schädigung durch ALP
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Kardiometabolisches Risiko – Leberfunktion/Schädigung durch TBIL
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Kardiometabolisches Risiko – Nierenfunktion/Schädigung durch Kreatinin
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Kardiometabolisches Risiko – Nierenfunktion/Schädigung durch eGFR
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Kardiometabolisches Risiko – Nierenfunktion/Schädigung durch Harn-ACR
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Urin- und Blut-Metabolom-Panel
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
|
Urin- und Blutproteomik-Panel
Zeitfenster: Woche 0 und Woche 4 jeder Intervention
|
Woche 0 und Woche 4 jeder Intervention
|
Mitarbeiter und Ermittler
Sponsor
Mitarbeiter
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Phillips DI, Clark PM, Hales CN, Osmond C. Understanding oral glucose tolerance: comparison of glucose or insulin measurements during the oral glucose tolerance test with specific measurements of insulin resistance and insulin secretion. Diabet Med. 1994 Apr;11(3):286-92. doi: 10.1111/j.1464-5491.1994.tb00273.x.
- Schulz KF, Altman DG, Moher D; CONSORT Group. CONSORT 2010 statement: updated guidelines for reporting parallel group randomised trials. Int J Surg. 2011;9(8):672-7. doi: 10.1016/j.ijsu.2011.09.004. Epub 2011 Oct 13. No abstract available.
- Matsuda M, DeFronzo RA. Insulin sensitivity indices obtained from oral glucose tolerance testing: comparison with the euglycemic insulin clamp. Diabetes Care. 1999 Sep;22(9):1462-70. doi: 10.2337/diacare.22.9.1462.
- Aagaard K, Petrosino J, Keitel W, Watson M, Katancik J, Garcia N, Patel S, Cutting M, Madden T, Hamilton H, Harris E, Gevers D, Simone G, McInnes P, Versalovic J. The Human Microbiome Project strategy for comprehensive sampling of the human microbiome and why it matters. FASEB J. 2013 Mar;27(3):1012-22. doi: 10.1096/fj.12-220806. Epub 2012 Nov 19.
- Suez J, Korem T, Zeevi D, Zilberman-Schapira G, Thaiss CA, Maza O, Israeli D, Zmora N, Gilad S, Weinberger A, Kuperman Y, Harmelin A, Kolodkin-Gal I, Shapiro H, Halpern Z, Segal E, Elinav E. Artificial sweeteners induce glucose intolerance by altering the gut microbiota. Nature. 2014 Oct 9;514(7521):181-6. doi: 10.1038/nature13793. Epub 2014 Sep 17.
- Blom DJ, Hala T, Bolognese M, Lillestol MJ, Toth PD, Burgess L, Ceska R, Roth E, Koren MJ, Ballantyne CM, Monsalvo ML, Tsirtsonis K, Kim JB, Scott R, Wasserman SM, Stein EA; DESCARTES Investigators. A 52-week placebo-controlled trial of evolocumab in hyperlipidemia. N Engl J Med. 2014 May 8;370(19):1809-19. doi: 10.1056/NEJMoa1316222. Epub 2014 Mar 29.
- David LA, Maurice CF, Carmody RN, Gootenberg DB, Button JE, Wolfe BE, Ling AV, Devlin AS, Varma Y, Fischbach MA, Biddinger SB, Dutton RJ, Turnbaugh PJ. Diet rapidly and reproducibly alters the human gut microbiome. Nature. 2014 Jan 23;505(7484):559-63. doi: 10.1038/nature12820. Epub 2013 Dec 11.
- Malik VS, Pan A, Willett WC, Hu FB. Sugar-sweetened beverages and weight gain in children and adults: a systematic review and meta-analysis. Am J Clin Nutr. 2013 Oct;98(4):1084-102. doi: 10.3945/ajcn.113.058362. Epub 2013 Aug 21.
- Greenwood DC, Threapleton DE, Evans CE, Cleghorn CL, Nykjaer C, Woodhead C, Burley VJ. Association between sugar-sweetened and artificially sweetened soft drinks and type 2 diabetes: systematic review and dose-response meta-analysis of prospective studies. Br J Nutr. 2014 Sep 14;112(5):725-34. doi: 10.1017/S0007114514001329. Epub 2014 Jun 16.
- Singh GM, Micha R, Khatibzadeh S, Lim S, Ezzati M, Mozaffarian D; Global Burden of Diseases Nutrition and Chronic Diseases Expert Group (NutriCoDE). Estimated Global, Regional, and National Disease Burdens Related to Sugar-Sweetened Beverage Consumption in 2010. Circulation. 2015 Aug 25;132(8):639-66. doi: 10.1161/CIRCULATIONAHA.114.010636. Epub 2015 Jun 29.
- Azad MB, Abou-Setta AM, Chauhan BF, Rabbani R, Lys J, Copstein L, Mann A, Jeyaraman MM, Reid AE, Fiander M, MacKay DS, McGavock J, Wicklow B, Zarychanski R. Nonnutritive sweeteners and cardiometabolic health: a systematic review and meta-analysis of randomized controlled trials and prospective cohort studies. CMAJ. 2017 Jul 17;189(28):E929-E939. doi: 10.1503/cmaj.161390.
- Zeevi D, Korem T, Zmora N, Israeli D, Rothschild D, Weinberger A, Ben-Yacov O, Lador D, Avnit-Sagi T, Lotan-Pompan M, Suez J, Mahdi JA, Matot E, Malka G, Kosower N, Rein M, Zilberman-Schapira G, Dohnalova L, Pevsner-Fischer M, Bikovsky R, Halpern Z, Elinav E, Segal E. Personalized Nutrition by Prediction of Glycemic Responses. Cell. 2015 Nov 19;163(5):1079-1094. doi: 10.1016/j.cell.2015.11.001.
- Stampfer MJ, Hu FB, Manson JE, Rimm EB, Willett WC. Primary prevention of coronary heart disease in women through diet and lifestyle. N Engl J Med. 2000 Jul 6;343(1):16-22. doi: 10.1056/NEJM200007063430103.
- Caporaso JG, Kuczynski J, Stombaugh J, Bittinger K, Bushman FD, Costello EK, Fierer N, Pena AG, Goodrich JK, Gordon JI, Huttley GA, Kelley ST, Knights D, Koenig JE, Ley RE, Lozupone CA, McDonald D, Muegge BD, Pirrung M, Reeder J, Sevinsky JR, Turnbaugh PJ, Walters WA, Widmann J, Yatsunenko T, Zaneveld J, Knight R. QIIME allows analysis of high-throughput community sequencing data. Nat Methods. 2010 May;7(5):335-6. doi: 10.1038/nmeth.f.303. Epub 2010 Apr 11. No abstract available.
- Caporaso JG, Lauber CL, Walters WA, Berg-Lyons D, Huntley J, Fierer N, Owens SM, Betley J, Fraser L, Bauer M, Gormley N, Gilbert JA, Smith G, Knight R. Ultra-high-throughput microbial community analysis on the Illumina HiSeq and MiSeq platforms. ISME J. 2012 Aug;6(8):1621-4. doi: 10.1038/ismej.2012.8. Epub 2012 Mar 8.
- Mouzaki M, Comelli EM, Arendt BM, Bonengel J, Fung SK, Fischer SE, McGilvray ID, Allard JP. Intestinal microbiota in patients with nonalcoholic fatty liver disease. Hepatology. 2013 Jul;58(1):120-7. doi: 10.1002/hep.26319. Epub 2013 May 14.
- Xi B, Huang Y, Reilly KH, Li S, Zheng R, Barrio-Lopez MT, Martinez-Gonzalez MA, Zhou D. Sugar-sweetened beverages and risk of hypertension and CVD: a dose-response meta-analysis. Br J Nutr. 2015 Mar 14;113(5):709-17. doi: 10.1017/S0007114514004383. Epub 2015 Mar 4.
- Wolever TM, Jenkins DJ, Jenkins AL, Josse RG. The glycemic index: methodology and clinical implications. Am J Clin Nutr. 1991 Nov;54(5):846-54. doi: 10.1093/ajcn/54.5.846.
- Guideline: Sugars Intake for Adults and Children. Geneva: World Health Organization; 2015.
- Dietary Guidelines Advisory Committee, 2015-2020 Dietary Guidelines for Americans - health.gov. 2015.
- Heart and Stroke Foundation of Canada, Sugar, heart disease and stroke. 2014.
- InterAct Consortium, Romaguera D, Norat T, Wark PA, Vergnaud AC, Schulze MB, van Woudenbergh GJ, Drogan D, Amiano P, Molina-Montes E, Sanchez MJ, Balkau B, Barricarte A, Beulens JW, Clavel-Chapelon F, Crispim SP, Fagherazzi G, Franks PW, Grote VA, Huybrechts I, Kaaks R, Key TJ, Khaw KT, Nilsson P, Overvad K, Palli D, Panico S, Quiros JR, Rolandsson O, Sacerdote C, Sieri S, Slimani N, Spijkerman AM, Tjonneland A, Tormo MJ, Tumino R, van den Berg SW, Wermeling PR, Zamara-Ros R, Feskens EJ, Langenberg C, Sharp SJ, Forouhi NG, Riboli E, Wareham NJ. Consumption of sweet beverages and type 2 diabetes incidence in European adults: results from EPIC-InterAct. Diabetologia. 2013 Jul;56(7):1520-30. doi: 10.1007/s00125-013-2899-8. Epub 2013 Apr 26.
- Committee, D.G.A. and Others, Scientific Report of the 2015 Dietary Guidelines Advisory Committee. Washington (DC): USDA and US Department of Health and Human Services, 2015.
- Hartstra AV, Bouter KE, Backhed F, Nieuwdorp M. Insights into the role of the microbiome in obesity and type 2 diabetes. Diabetes Care. 2015 Jan;38(1):159-65. doi: 10.2337/dc14-0769.
- Korem T, Zeevi D, Suez J, Weinberger A, Avnit-Sagi T, Pompan-Lotan M, Matot E, Jona G, Harmelin A, Cohen N, Sirota-Madi A, Thaiss CA, Pevsner-Fischer M, Sorek R, Xavier R, Elinav E, Segal E. Growth dynamics of gut microbiota in health and disease inferred from single metagenomic samples. Science. 2015 Sep 4;349(6252):1101-1106. doi: 10.1126/science.aac4812. Epub 2015 Jul 30.
- Noble EE, Hsu TM, Jones RB, Fodor AA, Goran MI, Kanoski SE. Early-Life Sugar Consumption Affects the Rat Microbiome Independently of Obesity. J Nutr. 2017 Jan;147(1):20-28. doi: 10.3945/jn.116.238816. Epub 2016 Nov 30.
- Fedorak, R., et al., 546 High Sugar Diets Promote an Inflammatory Microbiota and Reduce Gene Expression Related to Intestinal Barrier Function. Gastroenterology, 2016. 150(4): p. S114-S115.
- Kelly BJ, Gross R, Bittinger K, Sherrill-Mix S, Lewis JD, Collman RG, Bushman FD, Li H. Power and sample-size estimation for microbiome studies using pairwise distances and PERMANOVA. Bioinformatics. 2015 Aug 1;31(15):2461-8. doi: 10.1093/bioinformatics/btv183. Epub 2015 Mar 29.
- Langille MG, Zaneveld J, Caporaso JG, McDonald D, Knights D, Reyes JA, Clemente JC, Burkepile DE, Vega Thurber RL, Knight R, Beiko RG, Huttenhower C. Predictive functional profiling of microbial communities using 16S rRNA marker gene sequences. Nat Biotechnol. 2013 Sep;31(9):814-21. doi: 10.1038/nbt.2676. Epub 2013 Aug 25.
- Kadish AH, Hall DA. A new method for the continuous monitoring of blood glucose by measurement of dissolved oxygen. Clin Chem. 1965 Sep;11(9):869-75. No abstract available.
- Livesey JH, Hodgkinson SC, Roud HR, Donald RA. Effect of time, temperature and freezing on the stability of immunoreactive LH, FSH, TSH, growth hormone, prolactin and insulin in plasma. Clin Biochem. 1980 Aug;13(4):151-5. doi: 10.1016/s0009-9120(80)91040-1.
- Canadian Diabetes, A. Waist Circumference. Available from: https://www.diabetes.ca/diabetes-and-you/healthy-living-resources/weight-management/waist-circumference.
- Brisbois TD, Marsden SL, Anderson GH, Sievenpiper JL. Estimated intakes and sources of total and added sugars in the Canadian diet. Nutrients. 2014 May 8;6(5):1899-912. doi: 10.3390/nu6051899.
- Bleich SN, Wang YC, Wang Y, Gortmaker SL. Increasing consumption of sugar-sweetened beverages among US adults: 1988-1994 to 1999-2004. Am J Clin Nutr. 2009 Jan;89(1):372-81. doi: 10.3945/ajcn.2008.26883. Epub 2008 Dec 3.
- Fernandes J, Su W, Rahat-Rozenbloom S, Wolever TM, Comelli EM. Adiposity, gut microbiota and faecal short chain fatty acids are linked in adult humans. Nutr Diabetes. 2014 Jun 30;4(6):e121. doi: 10.1038/nutd.2014.23.
- Fernandes J, Wang A, Su W, Rozenbloom SR, Taibi A, Comelli EM, Wolever TM. Age, dietary fiber, breath methane, and fecal short chain fatty acids are interrelated in Archaea-positive humans. J Nutr. 2013 Aug;143(8):1269-75. doi: 10.3945/jn.112.170894. Epub 2013 Jun 5.
- Khan TA, Sievenpiper JL. Controversies about sugars: results from systematic reviews and meta-analyses on obesity, cardiometabolic disease and diabetes. Eur J Nutr. 2016 Nov;55(Suppl 2):25-43. doi: 10.1007/s00394-016-1345-3. Epub 2016 Nov 30.
- Wolf SM, Branum R, Koenig BA, Petersen GM, Berry SA, Beskow LM, Daly MB, Fernandez CV, Green RC, LeRoy BS, Lindor NM, O'Rourke PP, Breitkopf CR, Rothstein MA, Van Ness B, Wilfond BS. Returning a Research Participant's Genomic Results to Relatives: Analysis and Recommendations. J Law Med Ethics. 2015 Fall;43(3):440-63. doi: 10.1111/jlme.12288.
- Jayalath VH, de Souza RJ, Ha V, Mirrahimi A, Blanco-Mejia S, Di Buono M, Jenkins AL, Leiter LA, Wolever TM, Beyene J, Kendall CW, Jenkins DJ, Sievenpiper JL. Sugar-sweetened beverage consumption and incident hypertension: a systematic review and meta-analysis of prospective cohorts. Am J Clin Nutr. 2015 Oct;102(4):914-21. doi: 10.3945/ajcn.115.107243. Epub 2015 Aug 12.
- Sievenpiper JL, Khan TA, Ha V, Viguiliouk E, Auyeung R. The importance of study design in the assessment of nonnutritive sweeteners and cardiometabolic health. CMAJ. 2017 Nov 20;189(46):E1424-E1425. doi: 10.1503/cmaj.733381. No abstract available.
- Frankenfeld CL, Sikaroodi M, Lamb E, Shoemaker S, Gillevet PM. High-intensity sweetener consumption and gut microbiome content and predicted gene function in a cross-sectional study of adults in the United States. Ann Epidemiol. 2015 Oct;25(10):736-42.e4. doi: 10.1016/j.annepidem.2015.06.083. Epub 2015 Jul 17.
- Leung AA, Daskalopoulou SS, Dasgupta K, McBrien K, Butalia S, Zarnke KB, Nerenberg K, Harris KC, Nakhla M, Cloutier L, Gelfer M, Lamarre-Cliche M, Milot A, Bolli P, Tremblay G, McLean D, Tran KC, Tobe SW, Ruzicka M, Burns KD, Vallee M, Prasad GVR, Gryn SE, Feldman RD, Selby P, Pipe A, Schiffrin EL, McFarlane PA, Oh P, Hegele RA, Khara M, Wilson TW, Penner SB, Burgess E, Sivapalan P, Herman RJ, Bacon SL, Rabkin SW, Gilbert RE, Campbell TS, Grover S, Honos G, Lindsay P, Hill MD, Coutts SB, Gubitz G, Campbell NRC, Moe GW, Howlett JG, Boulanger JM, Prebtani A, Kline G, Leiter LA, Jones C, Cote AM, Woo V, Kaczorowski J, Trudeau L, Tsuyuki RT, Hiremath S, Drouin D, Lavoie KL, Hamet P, Gregoire JC, Lewanczuk R, Dresser GK, Sharma M, Reid D, Lear SA, Moullec G, Gupta M, Magee LA, Logan AG, Dionne J, Fournier A, Benoit G, Feber J, Poirier L, Padwal RS, Rabi DM; Hypertension Canada. Hypertension Canada's 2017 Guidelines for Diagnosis, Risk Assessment, Prevention, and Treatment of Hypertension in Adults. Can J Cardiol. 2017 May;33(5):557-576. doi: 10.1016/j.cjca.2017.03.005. Epub 2017 Mar 10. Erratum In: Can J Cardiol. 2017 Dec;33(12 ):1733-1734.
- Dalton M, Finlayson G, Hill A, Blundell J. Preliminary validation and principal components analysis of the Control of Eating Questionnaire (CoEQ) for the experience of food craving. Eur J Clin Nutr. 2015 Dec;69(12):1313-7. doi: 10.1038/ejcn.2015.57. Epub 2015 Apr 8.
- Logue C, Dowey LRC, Strain JJ, Verhagen H, McClean S, Gallagher AM. Application of Liquid Chromatography-Tandem Mass Spectrometry To Determine Urinary Concentrations of Five Commonly Used Low-Calorie Sweeteners: A Novel Biomarker Approach for Assessing Recent Intakes? J Agric Food Chem. 2017 Jun 7;65(22):4516-4525. doi: 10.1021/acs.jafc.7b00404. Epub 2017 May 24.
- Li S, Zhu Y, Chavarro JE, Bao W, Tobias DK, Ley SH, Forman JP, Liu A, Mills J, Bowers K, Strom M, Hansen S, Hu FB, Zhang C. Healthful Dietary Patterns and the Risk of Hypertension Among Women With a History of Gestational Diabetes Mellitus: A Prospective Cohort Study. Hypertension. 2016 Jun;67(6):1157-65. doi: 10.1161/HYPERTENSIONAHA.115.06747. Epub 2016 Apr 18.
- Nitsche MP, Carreno M. Is honey an effective treatment for acute cough in children? Medwave. 2016 May 30;16 Suppl 2:e6454. doi: 10.5867/medwave.2016.6454. English, Spanish.
- Dias AG, Rousseau D, Duizer L, Cockburn M, Chiu W, Nielsen D, El-Sohemy A. Genetic variation in putative salt taste receptors and salt taste perception in humans. Chem Senses. 2013 Feb;38(2):137-45. doi: 10.1093/chemse/bjs090. Epub 2012 Nov 1.
- Eny KM, Wolever TM, Fontaine-Bisson B, El-Sohemy A. Genetic variant in the glucose transporter type 2 is associated with higher intakes of sugars in two distinct populations. Physiol Genomics. 2008 May 13;33(3):355-60. doi: 10.1152/physiolgenomics.00148.2007. Epub 2008 Mar 18.
- Wolf SM, Lawrenz FP, Nelson CA, Kahn JP, Cho MK, Clayton EW, Fletcher JG, Georgieff MK, Hammerschmidt D, Hudson K, Illes J, Kapur V, Keane MA, Koenig BA, Leroy BS, McFarland EG, Paradise J, Parker LS, Terry SF, Van Ness B, Wilfond BS. Managing incidental findings in human subjects research: analysis and recommendations. J Law Med Ethics. 2008 Summer;36(2):219-48, 211. doi: 10.1111/j.1748-720X.2008.00266.x.
- Food and Drug Administration, Multiple Endpoints in Clinical Trials: Guidance for Industry [Draft Guidance]. 2017.
- Benjamini, Y. and D. Yekutieli, The control of the false discovery rate in multiple testing under dependency. Annals of statistics, 2001: p. 1165-1188.
- Benjamini, Y. and Y. Hochberg, Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the royal statistical society. Series B (Methodological), 1995: p. 289-300.
- Noto, H., et al., Long-term Low-carbohydrate Diets and Type 2 Diabetes Risk: A Systematic Review and Meta-analysis of Observational Studies. Journal of General and Family Medicine, 2016. 17(1): p. 60-70.
- Theytaz F, de Giorgi S, Hodson L, Stefanoni N, Rey V, Schneiter P, Giusti V, Tappy L. Metabolic fate of fructose ingested with and without glucose in a mixed meal. Nutrients. 2014 Jul 15;6(7):2632-49. doi: 10.3390/nu6072632.
- Health Canada, Draft Guidance Document on Food Health Claims Related to the Reduction in Post-Prandial Glycaemic Response F.D. Bureau of Nutritional Sciences, Health Products and Food Branch Editor. 2013. p. 12.
- Bergwall S, Johansson A, Sonestedt E, Acosta S. High versus low-added sugar consumption for the primary prevention of cardiovascular disease. Cochrane Database Syst Rev. 2022 Jan 5;1(1):CD013320. doi: 10.1002/14651858.CD013320.pub2.
Nützliche Links
- Diabetes Canada, Diabetes Canada's Position on sugars.
- Healthy Kids Panel, No time to wait: The healthy kids strategy.
- Unhealthy Food and Beverage Marketing to Children Discussion paper for public consultation.
- Chang K, Artificial Sweeteners May Disrupt Body's Blood Sugar Controls. The New York Times, September 17, 2014.
- Kirkey S, Fake sugars linked to obesity, heart disease. National Post, July 17, 2017.
- Faherty S, Artificial Sweeteners May Have Despicable Impacts on Gut Microbes. Scientific American, Nov 26, 2014.
- Sifferlin A, Artificial Sweeteners Are Linked to Weight Gain-Not Weight Loss. Time, July 16 2017.
- Vergano D, Study: Artificial Sweeteners May Trigger Blood Sugar Risks. National Geographic, September 17, 2014.
- Leung W, Sugar substitutes associated with weight gain and health problems, study says. Globe and Mail, July 17, 2017.
- Brait E, More research needed into the effects sugar substitutes have on health. The Toronto Star, July 17, 2017.
- Thompson D, Do Artificial Sweeteners Raise Odds for Obesity? WebMD, July 17, 2017.
- FDA, Multiple Endpoints in Clinical Trials. Guidance for Industry (draft). January 2017. Food and Drug Administration Report.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- CIHR-STOP Sugars NOW
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .