The role of ultra-processed food consumption and depression on type 2 diabetes incidence: a prospective community study in Quebec, Canada
Notice bibliographique
Résumé
OBJECTIVES: The goal of the present study was to evaluate the association between depression and ultra-processed food (UPF) consumption as risk factors for developing type 2 diabetes (T2D). DESIGN: A prospective community study. SETTING: Baseline data (2009-2010) from CARTaGENE community health study from Quebec, Canada, were used. Food and drink consumption was assessed using the Canadian-Diet History Questionnaire II and grouped according to their degree of processing by the NOVA classification, and participants were categorised into tertiles of UPF (g/d). Depression was defined using either a validated cut-off score on the Patient Health Questionnaire-9 or antidepressant use. The outcome was the incidence of T2D, examined in 3880 participants by linking survey data with administrative health insurance data. Cox regression models estimated the associations between UPF, depression and incident T2D. PARTICIPANTS: 40-69-year-old individuals at baseline. RESULTS: In total, 263 (6·8 %) individuals developed T2D. Participants with high depressive symptoms and high UPF consumption showed the highest risk for T2D (adjusted hazard ratios (aHR) = 1·58, 95 % CI (0·98, 2·68)), compared to those with low depressive symptoms and low UPF consumption. The risk for T2D was similar when high depressive symptoms and antidepressant use were combined with high UPF (aHR 1·62, 95 % CI (1·02, 2·57)). CONCLUSIONS: This study shows that co-occurring depression and high UPF consumption were associated with a higher risk for T2D. Early management and monitoring of both risk factors might be essential for diabetes prevention.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| 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 ».