Ultra-Processed Food Intake and Risk of Insomnia: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Objectives: The objective of this investigation was to compile existing observational research and quantify the potential association between ultra-processed foods (UPFs) and the risk of insomnia using meta-analysis. Setting: We conducted a systematic search of the PubMed/MEDLINE, Scopus, and ISI Web of Science databases with no restrictions until 29 June 2024. Odds ratios (OR) and 95% confidence intervals (CI) were aggregated using a random-effects model, while the Newcastle-Ottawa Scale and Egger’s regression asymmetry test assessed study quality and publication bias, respectively. Results: Analysis of data from seven studies showed a significant positive association between higher intake of UPFs and an increased risk of insomnia (OR = 1.53; 95% CI: 1.20, 1.95; I2 = 62.3%; p = 0.014). Subgroup analysis indicated this positive relationship was particularly strong under the NOVA food classification (OR = 1.57; 95% CI: 1.03, 2.40; I2 = 78.5%; p = 0.009; n = 3) and with snack intake (OR = 1.33; 95% CI: 1.04, 1.71; I2 = 0.0%; p < 0.001; n = 2), compared to adherence to Western dietary patterns. Moreover, subgroup analysis based on age group showed that higher UPF intake was significantly associated with increased risk of insomnia among adolescents (OR = 1.55; 95% CI: 1.21, 1.99; I2 = 57.4%; p < 0.001) but not in adults. Conclusions: Our findings underscore a significant association between higher consumption of UPFs and increased risk of insomnia, particularly among adolescents. Further research is necessary to explore the intricacies of this association and to ensure the generalizability of these results.
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) | 0,010 | 0,002 |
| 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 ».