Ultra-processed foods and human health: An umbrella review and updated meta-analyses of observational evidence
Notice bibliographique
Résumé
BACKGROUND & AIMS: Ultra-processed food (UPF) intake has increased sharply over the last few decades and has been consistently asserted to be implicated in the development of non-communicable diseases. We aimed to evaluate and update the existing observational evidence for associations between ultra-processed food (UPF) consumption and human health. METHODS: We searched Medline and Embase from inception to March 2023 to identify and update meta-analyses of observational studies examining the associations between UPF consumption, as defined by the NOVA classification, and a wide spectrum of health outcomes. For each health outcome, we estimated the summary effect size, 95% confidence interval (CI), between-study heterogeneity, evidence of small-study effects, and evidence of excess-significance bias. These metrics were used to evaluate evidence credibility of the identified associations. RESULTS: This umbrella review identified 39 meta-analyses on the associations between UPF consumption and health outcomes. We updated all meta-analyses by including 122 individual articles on 49 unique health outcomes. The majority of the included studies divided UPF consumption into quartiles, with the lowest quartile being the reference group. We identified 25 health outcomes associated with UPF consumption. For observational studies, 2 health outcomes, including renal function decline (OR: 1.25; 95% CI: 1.18, 1.33) and wheezing in children and adolescents (OR: 1.42; 95% CI: 1.34, 1.49), showed convincing evidence (Class I); and five outcomes were reported with highly suggestive evidence (Class II), including diabetes mellitus, overweight, obesity, depression, and common mental disorders. CONCLUSIONS: High UPF consumption is associated with an increased risk of a variety of chronic diseases and mental health disorders. At present, not a single study reported an association between UPF intake and a beneficial health outcome. These findings suggest that dietary patterns with low consumption of UPFs may render broad public health benefits.
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 | 0,046 | 0,133 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,016 | 0,027 |
| Bibliométrie | 0,020 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».