Ultra-Processed Food Consumption and Risk of Type 2 Diabetes: Three Large Prospective U.S. Cohort Studies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: We examined the relationship between ultra-processed food (UPF) intake and type 2 diabetes (T2D) risk among 3 large U.S. cohorts, conducted a meta-analysis of prospective cohort studies, and assessed meta-evidence quality. RESEARCH DESIGN AND METHODS: We included 71,871 women from the Nurses' Health Study, 87,918 women from the Nurses' Health Study II, and 38,847 men from the Health Professional Follow-Up Study. Diet was assessed using food frequency questionnaires and UPF was categorized per the NOVA classification. Associations of total and subgroups of UPF with T2D were assessed using Cox proportional hazards models. We subsequently conducted a meta-analysis of prospective cohort studies on total UPF and T2D risk, and assessed meta-evidence quality using the NutriGrade scoring system. RESULTS: Among the U.S. cohorts (5,187,678 person-years; n = 19,503 T2D cases), the hazard ratio for T2D comparing extreme quintiles of total UPF intake (percentage of grams per day) was 1.46 (95% CI 1.39-1.54). Among subgroups, refined breads; sauces, spreads, and condiments; artificially and sugar-sweetened beverages; animal-based products; and ready-to-eat mixed dishes were associated with higher T2D risk. Cereals; dark and whole-grain breads; packaged sweet and savory snacks; fruit-based products; and yogurt and dairy-based desserts were associated with lower T2D risk. In the meta-analysis (n = 415,554 participants; n = 21,932 T2D cases), each 10% increment in total UPF was associated with a 12% (95% CI 10%-13%) higher risk. Per NutriGrade, high-quality evidence supports this relationship. CONCLUSIONS: High-quality meta-evidence shows that total UPF consumption is associated with higher T2D risk. However, some UPF subgroups were associated with lower risk in the U.S. cohorts.
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.
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 découle