Cross-sectional examination of ultra-processed food consumption and adverse mental health symptoms
Notice bibliographique
Résumé
OBJECTIVE: To explore whether individuals who consume higher amounts of ultra-processed food (UPF) have more adverse mental health symptoms. DESIGN: Using a cross-sectional design, we measured the consumption of UPF as a percentage of total energy intake in kilo-calories using the NOVA food classification system. We explored whether individuals who consume higher amounts of UPF were more likely to report mild depression, more mentally unhealthy days and more anxious days per month using multivariable analyses adjusting for potential confounding variables. SETTING: Representative sample from the United States National Health and Nutrition Examination Survey between 2007 and 2012. PARTICIPANTS: 10 359 adults aged 18+ without a history of cocaine, methamphetamine or heroin use. RESULTS: After adjusting for covariates, individuals with the highest level of UPF consumption were significantly more likely to report at least mild depression (OR: 1·81; 95 % CI1·09, 3·02), more mentally unhealthy (risk ratio (RR): 1·22; 95 % CI 1·18, 1·25) and more anxious days per month (RR: 1·19; 95 % CI 1·16, 1·23). They were also significantly less likely to report zero mentally unhealthy (OR: 0·60; 95 % CI 0·41, 0·88) or anxious days (OR: 0·65; 95 % CI 0·47, 0·90). CONCLUSIONS: Individuals reporting higher intakes of UPF were significantly more likely to report mild depression, more mentally unhealthy and more anxious days and less likely to report zero mentally unhealthy or anxious days. These data add important information to a growing body of evidence concerning the potential adverse effects of UPF consumption on mental health.
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 | 0,001 | 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 | 0,001 | 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 ».