The relationship between ultra-processed food intake and cardiometabolic risk factors in overweight and obese women: A cross-sectional study
Notice bibliographique
Résumé
Background Cardiovascular diseases (CVDs) are the leading cause of death globally. Based on recent studies, one of the factors that can have detrimental effects on CVD is the consumption of ultra-processed foods (UPFs). The current study investigated the relationship between UPF intake and cardiometabolic risk factors among Iranian women. Methods The current cross-sectional study was conducted on 391 women aged 18–65 years with a body mass index (BMI) ≥ 25 kg/m 2 . Dietary intake was assessed using a 147-item food frequency questionnaire (FFQ). Anthropometric and biochemistry parameters were also collected. UPFs were identified using the NOVA classification. Results In the present study, women had a mean (standard deviation) age of 36.67 (9.10) years and the mean BMI of 31.26 (4.29) kg/m 2 . According to our findings, there was a significant association between UPF consumption and transforming growth factor (TGF) (β: 0.101, 95% CI: 0.023, 0.180, p = 0.012), atherogenic coefficient (AC) (β: 0.011, 95% CI: 0.001, 0.032, p = 0.034), visceral fat level (VFL) (β: 0.006, 95% CI: −0.017, 0.029, p = 0.076), and the quantitative insulin sensitivity check index (QUICKI) (β: −3.775, 95%CI: 0.001, 0.001, p = 0.042). Conclusion In conclusion, an increase in consumption of one gram of UPFs is associated with an increase in TGF, AC, and VFL but with a decrease in QUICKI. Despite this, further experimental studies are necessary to draw a more definite conclusion and disentangle the mechanisms by which UPFs may affect 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 | 0,001 |
| 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 ».