Making Sense of the Relationship Between Ultra-Processed Foods, Obesity, and Other Chronic Diseases
Notice bibliographique
Résumé
Ultra-processed foods (UPFs) is a food category within the NOVA system. The key feature of UPFs are foods that have been highly processed and contain various additives, especially those that are industrially produced. It is claimed that UPFs are inherently unhealthy. The classification system is highly controversial. This paper critically evaluates the evidence. In stark contrast to conventional systems for food classification, the NOVA system disregards the nutritional values of foods. As a result, many foods generally considered to be healthy are included as UPFs, whereas many unhealthy foods are excluded. Epidemiological studies, mainly prospective cohort studies, have consistently reported an association between the intake of UPFs and risk of obesity, cardiovascular disease (CVD), type 2 diabetes, common mental disorders (especially depression), and all-cause mortality. A similar association has been reported for cancer and hypertension, but the supporting evidence is weaker. The most plausible explanation for this is that the associations are largely due to a limited number of unhealthy foods, such as processed meat and sugar-sweetened beverages. Studies of the relationship between UPFs and obesity present a different picture. There is much evidence that suggests that UPFs play a major causal role in obesity. The high contents of fat, sugar, carbohydrates, and sodium commonly present in UPFs makes these foods hyperpalatable. In addition, UPFs typically have a high energy density. As a result of these two features of UPFs, most people consume an excessive energy intake when presented with UPFs. Because UPFs include a wide range of foods, many of which are healthy, it is likely that while many UPFs are obesogenic, many others are not.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».