Ultra-Processed Foods: Definitions and Policy Issues
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Four categories of foods are proposed in the NOVA food classification, which seeks to relate food processing as the primary driver of diet quality. Of these, the category "ultra-processed foods" has been widely studied in relation both to diet quality and to risk factors for noncommunicable disease. The present paper explores the definition of ultra-processed foods since its inception and clearly shows that the definition of such foods has varied considerably. Because of the difficulty of interpretation of the primary definition, the NOVA group and others have set out lists of examples of foods that fall under the category of ultra-processed foods. The present manuscript demonstrates that since the inception of the NOVA classification of foods, these examples of foods to which this category applies have varied considerably. Thus, there is little consistency either in the definition of ultra-processed foods or in examples of foods within this category. The public health nutrition advice of NOVA is that ultra-processed foods should be avoided to achieve improvements in nutrient intakes with an emphasis on fat, sugar, and salt. The present manuscript demonstrates that the published data for the United States, United Kingdom, France, Brazil, and Canada all show that across quintiles of intake of ultra-processed foods, nutritionally meaningful changes are seen for sugars and fiber but not for total fat, saturated fat, and sodium. Moreover, 2 national surveys in the United Kingdom and France fail to show any link between body mass index and consumption of ultra-processed foods. The paper concludes that constructive scholarly debate needs to be facilitated on many issues that would be affected by a policy to avoid ultra-processed foods.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle