Ultra-processed food consumption and the risk of incident chronic kidney disease: a systematic review and meta-analysis of cohort studies
Notice bibliographique
Résumé
BACKGROUND: Recent individual studies have indicated that ultra-processed food (UPF) consumption may be associated with the incidence of chronic kidney disease (CKD). We conducted a systematic review and meta-analysis based on those longitudinal studies evaluating the relationship between UPF consumption and the risk of incident CKD, and synthesizing the results. METHOD: PubMed, Embase, The Cochrane Library, Web of Science, and Scopus were searched from inception through 22 March 2023. Any longitudinal studies evaluating the relationship between UPF consumption and the risk of incident CKD were included. Two researchers independently conducted the literature screening and data extraction. RR and its 95% CI were regarded as the effect size. The Newcastle-Ottawa Scale (NOS) was applied to assess the quality of the studies included, and the effect of UPF consumption on the risk of incident CKD was analyzed with STATA version 15.1. This study's protocol was registered in PROSPERO (CRD42023411951). RESULTS: Four cohort studies with a total of 219,132 participants were included after screening. The results of the meta-analysis suggested that the highest UPF intake was associated with an increased risk of incident CKD (RR = 1.25; 95% CI: 1.18-1.33). CONCLUSIONS: High-dose UPF intake was associated with an increased risk of incident CKD. However, the underlying mechanisms remain unknown. Thus, more standardized clinical studies and further exploration of the mechanisms are needed in the future.
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 | 0,017 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,036 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».