Application of BRAFO-Tiered Approach for Risk–Benefit Assessment of Nut Consumption in Chinese Adults
Notice bibliographique
Résumé
Nuts are nutrient-rich foods that help reduce the risk of coronary heart disease (CHD), but their potential contamination with aflatoxins (AFs) may increase the risk of liver cancer. In this study, the European Benefit-Risk Analysis for Foods (BRAFO) framework was used to evaluate both the health risks and benefits of nut consumption among Chinese adults. Based on the actual consumption patterns of nuts among the Chinese population, the current consumption level was set as the reference scenario (4.66 g/day), and three alternative scenarios were simulated with a daily nut consumption of 10, 20, and 30 g, respectively. Dose-response relationships were established using a two-stage dose-response analysis for nut consumption and CHD risk, and a one-stage dose-response analysis for aflatoxin B1 (AFB1) exposure and liver cancer risk. A Monte Carlo probabilistic model quantified the CHD prevention benefits and liver cancer risks associated with AF exposure. Disability-Adjusted Life Year (DALY) analysis indicated net health benefits in all scenarios, with nut consumptions of 10, 20, and 30 g/day reducing DALYs per 100,000 population by 104.39, 143.63, and 181.47 in men, and by 58.79, 81.29, and 102.94 in women, respectively. A nut consumption of 10 g/day was recommended for Chinese adults, considering both health benefits and the risk of AF exposure. This study presents the first application of the BRAFO framework to evaluate the net health effect of nut consumption in a Chinese population, filling a critical gap in the risk-benefit assessment of nut consumption.
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) | 0,000 | 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 ».