Das Wichtigste in Kürze:
- Die wissenschaftliche Studie des Neatic-Teams hat in über 1800 Lebensmitteln untersucht, durch welche Zutaten ultra-prozessierte Lebensmittel (UPF) besonders gut erkannt werden können.
- Allein durch den Begriff Aroma/Aromen wurden deutlich mehr als die Hälfte (58,4 %) der UPF korrekt erkannt. Die Detektionsrate ließ sich auf fast 9 von 10 (88,4 %) aller UPF steigern, wenn zusätzlich zu Aroma noch nach Emulgator, Farbstoff, Faser, Dextrose und Festigungsmittel auf der Zutatenliste gesucht wurde.
- Diese Studie weist nach, dass allein durch den Neatic-Grundsatz 1 (Aroma-Grundsatz) deutlich mehr als die Hälfte aller UPF korrekt identifiziert werden. Neatic bietet somit eine einfache Möglichkeit, UPF zu vermeiden.
Was sind ultra-prozessierte Lebensmittel und welche Auswirkung haben sie?
Ultra-prozessierte Lebensmittel (UPF; ultra-processed foods) sind hochverarbeitete Lebensmittel, die industriell in mehreren Verarbeitungsschritten und durch den Einsatz von Zusatzstoffen hergestellt werden. In der NOVA-Klassifikation, die Lebensmittel anhand ihrer Entfernung von der Natur (also dem Grad ihrer Verarbeitung) in 4 Gruppen unterteilt, bilden sie die Gruppe 4. UPF können anhand sogenannter Ultra-Prozessierungsmarker (MUP; markers of ultra-processing) in den Zutatenlisten von Lebensmitteln erkannt werden. Studienergebnisse zeigen, dass der Konsum von UPF mit einer Reihe verschiedener Erkrankungen sowie einer erhöhten Sterblichkeit assoziiert ist. Weitere Informationen zu MUP und zur NOVA-Klassifikation findest Du in diesem Beitrag.
Was untersucht die Studie?
In der NOVA-Klassifikation werden mehr als 100 MUP beschrieben. Sobald ein Lebensmittel einen dieser MUP enthält, gilt es als UPF. Damit Verbraucher ein Lebensmittel sicher als UPF erkennen können, müssten sie sich also theoretisch alle 100 MUP merken. Um dies zu vereinfachen, hat das Neatic-Team mit dieser Studie untersucht, durch welche Kombinationen an MUP ein Großteil der UPF identifiziert werden kann.
Dazu wurden von 1836 typischen Lebensmitteln des britischen Marktes die Zutatenlisten erfasst. Die Recherche der Lebensmittel wurde in den Supermärkten Tesco sowie Sainsbury‘s durchgeführt. Die Zutatenlisten der Lebensmittel wurden anschließend nach dem Vorhandensein der verschiedenen MUP durchsucht.
Was hat die Studie herausgefunden?
Von den 1836 Lebensmitteln enthielten 990 (53,9 %) mindestens einen MUP und zählen damit zu den UPF. Der am häufigsten vorkommende MUP war Aroma in 578 Produkten (58,4 % aller UPF), gefolgt von Emulgator in 353 Produkten (35,7 % aller UPF) und Farbstoff in 262 Produkten (26,5 % aller UPF).
Durch die 2er-Kombination von Aroma und Emulgator können 72,7 % aller UPF erkannt werden. Das bedeutet, dass bei 72,7 % der UPF entweder Aroma oder Emulgator oder Aroma und Emulgator gleichzeitig in der Zutatenliste vorkommt. Nimmt man noch Farbstoff als dritten Marker dazu, können bereits 79,2 % der UPF identifiziert werden. Die erfolgreichste 4er-Kombination (Aroma, Emulgator, Farbstoff und Faser) erkannte 82,8 % der UPF. Eine Kombination von fünf MUP (Aroma, Emulgator, Farbstoff, Faser und Dextrose) identifizierte 85,8 %, und durch die Hinzunahme von Festigungsmittel als sechsten Marker 88,4 % der UPF.
Was ist die Schlussfolgerung der Studie?
Die Ergebnisse der Studie ermöglichen es Verbrauchern, die individuell optimale Balance zu finden zwischen der Anzahl der zu merkenden MUP auf der einen Seite und dem Anteil der richtig identifizierten UPF auf der anderen Seite. Durch das Durchsuchen der Zutatenlisten nach sechs MUP werden fast 9 von 10 UPF erfolgreich erkannt. So können gesündere Entscheidungen beim Lebensmitteleinkauf getroffen werden, indem UPF gemieden werden, die mit einem breiten Spektrum an gesundheitlichen Folgen in Verbindung gebracht werden.
Zudem weist die Studie nach, dass allein durch den Neatic-Grundsatz 1 (Aroma-Grundsatz) fast 6 von 10 – also deutlich mehr als die Hälfte – aller UPF korrekt identifiziert werden. Neatic bietet somit eine einfache Möglichkeit, UPF zu erkennen und zu vermeiden.
Literaturverzeichnis
Bonaccio, Marialaura; Costanzo, Simona; Di Castelnuovo, Augusto; Persichillo, Mariarosaria; Magnacca, Sara; Curtis, Amalia de; Cerletti, Chiara; Donati, Maria Benedetta; Gaetano, Giovanni de; Iacoviello, Licia (2022): Ultra-processed food intake and all-cause and cause-specific mortality in individuals with cardiovascular disease: the Moli-sani Study. In: Eur Heart J 43 (3), S. 213–224. DOI: https://doi.org/10.1093/eurheartj/ehab783 .
Li, Huiping; Li, Shu; Yang, Hongxi; Zhang, Yuan; Zhang, Shunming; Ma, Yue; Hou, Yabing; Zhang, Xinyu; Niu, Kaijun; Borné, Yan; Wang, Yaogang (2022): Association of Ultraprocessed Food Consumption With Risk of Dementia. In: Neurology 99 (10), e1056-e1066. DOI: https://doi.org/10.1212/WNL.0000000000200871 .
Monteiro, Carlos Augusto; Cannon, Geoffrey; Levy, Renata Bertazzi; Moubarac, Jean-Claude; Louzada, Maria Lc; Rauber, Fernanda; Khandpur, Neha; Cediel, Gustavo; Neri, Daniela; Martinez-Steele, Euridice; Baraldi, Larissa G.; Jaime, Patricia C. (2019): Ultra-processed foods: what they are and how to identify them. In: Public Health Nutr 22 (5), S. 936–941. DOI: https://doi.org/10.1017/S1368980018003762 .
Monteiro, Carlos Augusto; Cannon, Geoffrey; Moubarac, Jean-Claude; Levy, Renata Bertazzi; Louzada, Maria Laura C.; Jaime, Patrícia Constante (2017): The UN Decade of Nutrition, the NOVA food classification and the trouble with ultra-processing. In: Public Health Nutr 21 (1), S. 5–17. DOI: https://doi.org/10.1017/S1368980017000234 .
Narula, Neeraj; Wong, Emily C. L.; Dehghan, Mahshid; Mente, Andrew; Rangarajan, Sumathy; Lanas, Fernando; Lopez-Jaramillo, Patricio; Rohatgi, Priyanka; Lakshmi, P. V. M.; Varma, Ravi Prasad; Orlandini, Andres; Avezum, Alvaro; Wielgosz, Andreas; Poirier, Paul; Almadi, Majid A.; Altuntas, Yuksel; Ng, Kien Keat; Chifamba, Jephat; Yeates, Karen; Puoane, Thandi; Khatib, Rasha; Yusuf, Rita; Boström, Kristina Bengtsson; Zatonska, Katarzyna; Iqbal, Romaina; Weida, Liu; Yibing, Zhu; Sidong, Li; Dans, Antonio; Yusufali, Afzalhussein; Mohammadifard, Noushin; Marshall, John K.; Moayyedi, Paul; Reinisch, Walter; Yusuf, Salim (2021): Association of ultra-processed food intake with risk of inflammatory bowel disease: prospective cohort study. In: BMJ 374, n1554. DOI: https://doi.org/10.1136/bmj.n1554 .
Neumann, Nathalie Judith; Eichner, Gerrit; Fasshauer, Mathias (2023): Flavour, emulsifiers and colour are the most frequent markers to
detect food ultra-processing in a UK food market analysis. In: Public Health Nut 26 (12), S.3303-3310. DOI: https://doi.org/10.1017/S1368980023002185
Rauber, Fernanda; Chang, Kiara; Vamos, Eszter P.; da Costa Louzada, Maria Laura; Monteiro, Carlos Augusto; Millett, Christopher; Levy, Renata Bertazzi (2021): Ultra-processed food consumption and risk of obesity: a prospective cohort study of UK Biobank. In: Eur J Nutr 60 (4), S. 2169–2180. DOI: https://doi.org/10.1007/s00394-020-02367-1 .