Ultra-Processed Foods and Nutritional Dietary Profile: A Meta-Analysis of Nationally Representative Samples
Notice bibliographique
Résumé
Excessive consumption of ultra-processed foods (UPFs), as described by the NOVA classification system, represents a potential threat to human health. The nutritional composition of UPFs may explain their observed adverse effects. The present study aimed to provide a quantitative meta-analysis of nationally representative surveys on the consumption of UPFs and the dietary/nutrient composition of respondents' diets. A systematic search for relevant studies published prior to July 2021 was conducted via electronic databases. The studies that provided the dietary/nutrient composition of foods categorized according to the NOVA classification system were selected. The association between UPFs and other dietary variables was modelled using ordinary least squares linear regression based on aggregated data extracted from the selected articles. Consumption of UPFs represented up to 80% of total caloric intake in the US and Canada, with confectionery and sugar-sweetened beverages being the most consumed items. When considered in relation to other food groups, an inverse linear relation between UPFs and less-processed foods was evident. Increased UPF intake correlated with an increase in free sugars, total fats, and saturated fats, as well as a decrease in fiber, protein, potassium, zinc, and magnesium, and vitamins A, C, D, E, B12, and niacin. In conclusion, the data indicate that increased UPF consumption negatively affects the nutritional quality of diets.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,019 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».