Ultra-Processed Food Intake as an Effect Modifier in the Association Between Depression and Diabetes in Brazil: A Cross-Sectional Study
Notice bibliographique
Résumé
Background/Objectives: Recent studies linked a diet rich in ultra-processed foods (UPFs) with depression and diabetes. Although common risk factors, such as aging, are defined for both diseases, how UPFs are associated with the bidirectional relationship between them is not known. This study aimed to investigate whether UPF intake modifies the association between depression and diabetes within the Brazilian adult population. Methods: This cross-sectional analysis utilized data from the 2019 Brazilian National Health Survey, involving over 87,000 adults (aged 18–92 years). Participants provided self-reported data on diabetes and depression diagnoses, dietary habits (assessed by qualitative FFQ), as well as demographic, and socioeconomic variables. Multivariate logistic regression models were used to evaluate the associations, employing two classification methods—UPF1 and UPF2—based on different thresholds of weekly consumption, for high/low UPF intake. Analyses were stratified by age groups to identify variations in associations. Results: There was a significant association between depression and diabetes, especially among participants with high UPF consumption. Models adjusted by demographic characteristics, as well as meat and vegetable consumptions, demonstrated elevated odds ratios (ORs) for diabetes among individuals with depression consuming high levels of UPF, compared to those with a low UPF intake (OR: 1.258; 95% CI: 1.064–1.489 for UPF1 and OR: 1.251; 95% CI: 1.059–1.478 for UPF2). Stratified analysis by age further amplified these findings, with younger individuals showing notably stronger associations (non-old adult group OR: 1.596; 95% CI: 1.127–2.260 for UPF1, and OR: 6.726; 95% CI: 2.625–17.233 for UPF2). Conclusions: These findings suggest that high UPF intake may influence the relationship between depression and diabetes, especially in younger adults. Future longitudinal studies are warranted to establish causality, investigate underlying biological mechanisms, and examine whether improving overall nutrient intake through dietary interventions can reduce the co-occurrence of depression and diabetes.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».