Ultra-Processed Food Consumption Among Chilean Preschoolers Is Associated With Diets Promoting Non-communicable Diseases
Notice bibliographique
Résumé
Introduction: In adults, intake of ultra-processed foods (UPF) has been linked with poor diets and adverse health outcomes. In young children, evidence is scarcer but suggests a higher dietary share of UPF. Objective: To quantify the intake of UPF and its association with the nutrient composition of the diet in a sample of preschoolers in Santiago, Chile. Methods: Cross-sectional analysis of dietary data (24-h recall survey) from 960 preschoolers. Foods were categorized according to the extent and purpose of processing (NOVA classification) and participants were classified in quintiles of UPF intake. We explored the associations between UPF intake (% of the total energy) and intake of nutrients of concern for non-communicable disease development (carbohydrates, total sugars, fats, and sodium), and nutrients for promotion (proteins, polyunsaturated fats, iron, calcium, zinc, vitamins A, D, C, and B 12 , folate, and fiber) using multivariate regression after controlling for covariates. Results: UPF constituted 49% of the total energy intake. Preschoolers with higher intake consumed more energy, saturated and monounsaturated fats, carbohydrates, total sugars, and vitamin D, compared to preschoolers in the lowest quintile of UPF intake. In contrast, UPF intake was negatively associated with the consumption of proteins, polyunsaturated fats, fiber, zinc, vitamin A, and sodium ( p < 0.05). Conclusion: In Chilean preschoolers, UPF was the primary source of energy intake. The dietary share of UPF was associated with the nutrient composition of the diet. Improving children's diet should consider not only promoting healthy food consumption but also limiting UPF consumption.
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 | 0,000 | 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 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 ».