The rapid rise of ultra-processed foods brings up human health concerns
Notice bibliographique
Résumé
• A novel NOVA classification system was introduced based on different food processing degrees • Global consumption of ultra-processed foods (UPFs) has increased dramatically • The rapid rise of UPFs brings up human health concerns • Long-term intake of UPFs leads to addiction due to the additives including fat, caffeineand sugar • Large cohort studies showed UPFs increase the risk of chronic diseases and death The global consumption of ultra-processed foods (UPFs) has surged in recent decades, driven by shifts in lifestyle, dietary patterns, and socioeconomic dynamics, with accelerated growth observed post-COVID-19 pandemic. Defined as industrially formulated ready-to-consume products, UPFs undergo extensive processing involving additives such as flavour enhancers, emulsifiers, stabilisers, and artificial pigments. This process disrupts the natural food matrix and raises significant concerns regarding long-term health implications. This review systematically analyses global UPF consumption trends across nations and critically evaluates the health risks associated with dietary additives in UPFs, with a focus on fat, sugar, and caffeine-induced addictive eating behaviours. A novel NOVA-based classification framework is proposed to categorise foods by processing intensity, complemented by comparative analysis of global consumption data. Furthermore, we syntheze evidence from eight longitudinal cohort studies encompassing 522,682 participants to elucidate correlations between UPF intake and elevated incidence rates of obesity, cardiometabolic disorders (cardiovascular disease and type 2 diabetes), functional gastrointestinal syndromes, and specific cancers. These findings provide critical insights for public health initiatives and food industry practices, advocating for precision in food safety regulation and processing technology optimization.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».