Ultra-processed foods and risk of declined renal function: a dose–response meta-analysis of 786,216 participants
Notice bibliographique
Résumé
Earlier investigations have documented an association between elevated consumption of Ultra-Processed Foods (UPFs) and adverse renal outcomes. To explore this relationship further, we executed a comprehensive dose–response meta-analysis to examine the link between UPFs intake and the risk of declined renal function. Setting. A systematic search was completed utilizing the ISI Web of Science, Scopus, Embase as well as PubMed/MEDLINE databases (without any restrictions), up until September 5, 2024. Effect sizes of declined renal function were recalculated by applying a random effects model. The GRADE tool was adopted to assess the certainty of the evidence, while study quality and potential publication bias were examined via validated methods such as the Newcastle–Ottawa Scale, Egger’s regression asymmetry and Begg’s rank correlation test. Thirty-three studies (comprising 786,216 participants) were incorporated in the quantitative analysis. The results demonstrated that a greater UPFs intake was significantly associated with an enhanced risk of declined renal function (RR = 1.16; 95% CI: 1.09, 1.23; I2 = 68.8%; p < 0.001; n = 37). Additionally, we observed that each 1-serving-per-day increase in UPFs consumption was associated to a 5% greater risk of reduced renal function (RR = 1.05; 95% CI: 1.02, 1.09; I2 = 80.9%; p = 0.013; n = 9). A positive, linear association between UPF intake and the risk of declined renal function (Pnonlinearity = 0.107, Pdose–response < 0.001) was further displayed in the non-linear dose–response analysis. Greater exposure to UPFs is positively associated with the risk of declined renal function. The information emphasizes the importance of considering UPFs in the prevention and management of adverse renal outcomes.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 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 ».