ABSTRAK
Meskipun minat terhadap efek fisiologis dan kesehatan dari aditif tertentu (misalnya, pewarna makanan buatan, pengemulsi, penambah rasa, dan pengawet) meningkat, tidak jelas apakah ada metodologi nonlaboratorium yang lebih disukai untuk mengukur asupan aditif pada manusia (miligram aditif per kilogram berat badan [mg/kg bw]). Makalah ini berfungsi untuk meninjau literatur terkini dan meringkas konsumsi aditif rata-rata peserta studi. Tinjauan sistematis dilakukan dengan mencari CINAHL, Medline, ProQuest, Scopus, dan Web of Science dari 1 Januari 2015 hingga 1 Januari 2024 untuk mensintesis studi yang menilai asupan aditif di antara manusia (mg/kg bw) menggunakan metodologi nonlaboratorium. Daftar referensi studi yang disertakan juga ditinjau. Sebanyak 21 studi dari 12 negara diidentifikasi, dengan kumpulan populasi gabungan lebih dari 366.297 peserta. Metodologi penilaian asupan makanan yang digunakan termasuk penarikan kembali 24 jam ( n = 11), kuesioner frekuensi makanan ( n = 6), dan buku harian makanan ( n = 4), dikombinasikan dengan data aditif dari basis data produsen ( n = 18), analisis makanan kimia ( n = 11), dan survei label makanan ( n = 11). Di antara populasi yang dinilai, hanya 2,2% dari nilai asupan aditif ( n = 3) ditemukan dikonsumsi di atas ADI (Allura Red AC, Erythrosine, dan Sunset Yellow FCF). Tidak ada metodologi asupan aditif yang disukai yang diidentifikasi, dengan metodologi bergantung pada data yang tersedia, sumber daya, dan populasi yang dinilai. Dimasukkannya data aditif yang dapat diukur pada label makanan akan memfasilitasi penelitian lebih lanjut pada manusia dan, jika diperlukan, memungkinkan konsumen untuk membuat pilihan mengenai asupan aditif.

Singkatan
ADI
asupan harian yang dapat diterima
NASKAH KUNO
Codex Alimentarius Standar Makanan Internasional—Standar Makanan Umum untuk Bahan Tambahan 192-1995
FFQ
kuesioner frekuensi makanan
JECFA
Komite Ahli Gabungan Organisasi Pangan dan Pertanian Perserikatan Bangsa-Bangsa (FAO)/Organisasi Kesehatan Dunia (WHO) tentang Bahan Tambahan Pangan
MPL
tingkat maksimum yang diizinkan
1 Pendahuluan
Bahan tambahan pangan, termasuk antioksidan, pengemulsi, penambah rasa, pewarna pangan, pengawet, dan pengental, ditambahkan secara komersial ke dalam pangan untuk memberikan perbaikan teknologi, seperti memperpanjang masa simpan dan/atau meningkatkan tampilan, kualitas, dan kelezatan pangan (Carocho et al. 2014 ; Pereira et al. 2018 ). Bahan tambahan pangan biasanya tidak dikonsumsi secara terpisah atau digunakan sebagai bahan pangan pada umumnya, dan bahan tambahan pangan juga dapat muncul dalam pangan sebagai produk sampingan dari reaksi antara bahan pangan olahan dan kemasan komersial, atau dari mesin selama proses produksi massal dan penyediaan (Winkler et al. 2018 ).

Komite Ahli Gabungan Organisasi Pangan dan Pertanian Perserikatan Bangsa-Bangsa (FAO)/Organisasi Kesehatan Dunia (WHO) tentang Bahan Tambahan Pangan (JECFA) mengevaluasi keamanan bahan tambahan pangan dan menerbitkan rekomendasi dalam Standar Pangan Internasional Codex Alimentarius—Standar Pangan Umum untuk Bahan Tambahan 192-1995 (CODEX) (FAO 2021 ), yang menetapkan asupan harian yang dapat diterima (ADI) dan/atau kadar maksimum yang diizinkan (MPL) (mg/kg bahan pangan) untuk mengelola risiko toksisitas dan karsinogenisitas yang terkait dengan konsumsi manusia (Somogyi et al. 2011 ; Trakman et al. 2020 ). Batasan bahan tambahan pangan yang diterbitkan oleh CODEX secara umum diadopsi secara global, dengan lebih dari 188 negara anggota menjadi bagian dari Komisi Codex Alimentarius (CAC) (FAO 2022b ). Negara-negara tertentu terkadang mengadopsi standar yang lebih ketat, seperti batas yang dikurangi yang ditetapkan oleh Otoritas Keamanan Pangan Eropa (EFSA) untuk karagenan sebesar 75 mg/kg berat badan (bb) per hari (Younes et al. 2018 ) dan 30 mg/kg bb per hari untuk monosodium glutamat, dibandingkan dengan batas ADI “tidak ditentukan” JEFCA untuk kedua aditif tersebut (Mortensen et al. 2017 ); penentuan terakhir menegaskan bahwa bukti saat ini menunjukkan tidak ada risiko terhadap kesehatan asalkan aditif ini ditambahkan ke makanan hanya dalam jumlah yang diperlukan untuk mencapai tujuan teknologinya sesuai dengan praktik produksi yang baik (IFAC 2013 ).

Untuk menentukan kepatuhan dengan batasan CODEX, diperlukan metodologi asupan pengguna akhir yang valid. Jain dan Mathur ( 2015 ) menyelesaikan tinjauan sistematis metodologi asupan aditif dan menemukan bahwa penilaian asupan aditif makanan di seluruh populasi memerlukan data dari pemodelan paparan makanan (yaitu, kuesioner frekuensi makanan [FFQ], catatan makanan, dll.) dan konsentrasi aditif kuantitatif (yaitu, diekstrapolasi dari basis data komposisi makanan, tingkat penggunaan yang dilaporkan industri, atau pengujian analitis). Secara khusus, asupan dihitung dengan menggabungkan jumlah makanan yang dikonsumsi (g atau kg) dengan jumlah aditif yang ada dalam makanan (µg, mg atau g) dan membagi hasilnya dengan berat badan rata-rata populasi yang dinilai (kg bw). Namun, estimasi tersebut adalah estimasi yang mencerminkan keterbatasan yang melekat dalam metodologi yang berbeda dan menimbulkan hambatan besar untuk memahami konsumsi populasi Informasi Pendukung .

Penilaian asupan aditif makanan sering dilakukan dengan memanfaatkan survei asupan makanan yang awalnya dikembangkan untuk menghargai asupan nutrisi dan bukan asupan aditif. Ini sendiri merupakan keterbatasan metodologis utama, sebelum mempertimbangkan bahwa instrumen seperti FFQ dan buku harian makanan rentan terhadap bias ingatan (Tran et al. 2021 ) dan/atau bias keinginan sosial (Hebert et al. 2008 ), terutama ketika individu mungkin diminta untuk melaporkan asupan kebiasaan atau konsumsi makanan olahan—yang terakhir menjadi sumber utama aditif makanan. Survei diet nasional sering kali mengalami bias partisipasi (Chazelas et al. 2020 ) dan kurang spesifisitas (Le Donne et al. 2017 ), membatasi pertimbangan pola paparan spesifik populasi, terutama di antara subpopulasi yang mungkin memiliki asupan aditif tinggi atau kondisi kesehatan seperti penyakit celiac.

Keterbatasan ini semakin diperparah dengan kurangnya data akurat mengenai konsentrasi aditif dalam makanan tertentu. Konsentrasi aditif mungkin tersedia dari basis data bahan produsen, seperti Gladson Nutrition Database (Gladson 2022 ), Mintel Global New Products Database (Mintel 2022 ), dan US Food Essentials Database (USDA 2022 ); namun, basis data tersebut mungkin kurang akurat. Label makanan menyediakan rincian bahan yang berguna; namun, peran mereka dalam menilai keberadaan aditif terbatas karena (a) jumlah aditif makanan biasanya tidak dipublikasikan; (b) produsen diizinkan untuk mencantumkan aditif dengan berbagai nama; (c) tidak ada persyaratan untuk mencatat aditif pada label jika diperkenalkan melalui “bahan pembantu pemrosesan” atau ditambahkan ke makanan pada tingkat yang lebih rendah dari yang diperlukan untuk mencapai tujuan “teknologis” mereka; dan (d) aditif dalam bahan “senyawa” tidak perlu dicantumkan jika bahan-bahan tersebut membentuk kurang dari 5% dari total produk (WHO 2018 ). Akhirnya, kuantifikasi analitis melalui pengujian kimia menawarkan presisi yang tinggi; Namun, metode ini mahal dan membutuhkan banyak sumber daya (Sardi et al. 2010 ), sehingga membatasi kelayakannya untuk digunakan dalam pengawasan populasi yang komprehensif.

Kurangnya metodologi yang valid dan kuat untuk mengukur asupan aditif di seluruh populasi bermasalah, karena membatasi kemampuan untuk menilai risiko dan mengevaluasi kepatuhan terhadap batasan regulasi. Dorongan untuk menilai asupan aditif lebih lanjut ditegaskan oleh bukti epidemiologis dan praklinis yang muncul bahwa aditif makanan tertentu, seperti pengemulsi, nanopartikel, pemanis buatan dan pengawet, dapat dikaitkan dengan penyakit kronis dan efek buruk pada kesehatan manusia, termasuk pada fisiologi usus dan mikrobioma usus (Gerasimidis et al. 2020 ; Sweis dan Cressey 2018 ; Lerner, A., dan T. Matthias 2015 ). Ini menjadi perhatian khusus karena peningkatan yang meluas dalam ketersediaan makanan prakemas (Baker et al. 2020 ) dan konsumsi, dan akibatnya, asupan aditif (Lane et al. 2021 ; Smith et al. 2013 ). Perlu dicatat, potensi dampak kesehatan negatif dapat terjadi pada tingkat yang sebelumnya dianggap aman karena batasan bahan tambahan makanan yang ditetapkan oleh JECFA dan badan pengatur lainnya secara historis hanya didasarkan pada toksisitas dan karsinogenisitas dan tidak holistik dalam penilaian mereka terhadap potensi dampak kesehatan lainnya, seperti modifikasi pada mikrobioma usus (Roca-Saavedra et al. 2018 ). Namun, diperlukan studi terkontrol berkualitas tinggi pada manusia yang mempertimbangkan kualitas diet secara keseluruhan serta asupan bahan tambahan.

Sudah 10 tahun sejak pekerjaan dasar diselesaikan oleh Jain dan Mathur ( 2015 ), yang mengakui pendekatan terfragmentasi saat ini untuk memperkirakan asupan bahan tambahan makanan sebagai sesuatu yang bermasalah dan menyarankan cara-cara baru untuk memperkirakan asupan, termasuk data program loyalitas supermarket dan metode gabungan seperti FFQ dan buku harian makanan 3 hari. Mengingat peningkatan pesat dalam konsumsi makanan prakemas dan olahan, serta semakin banyaknya bukti bahwa bahan tambahan tertentu dapat memengaruhi kesehatan, studi ini berupaya untuk meninjau secara sistematis makalah yang ditinjau sejawat yang diselesaikan sejak studi Jain dan Mathur untuk mengidentifikasi metodologi nonlaboratorium yang saat ini digunakan dan menetapkan apakah rekomendasi yang dibuat dalam tinjauan sebelumnya telah dipatuhi. Perbandingan nilai asupan rata-rata terhadap ADI untuk populasi yang disertakan juga akan dilaporkan untuk memberikan wawasan yang lebih besar tentang tingkat asupan versus jumlah batas asupan yang direkomendasikan. Hasilnya bertujuan untuk memberikan pemahaman yang lebih baik tentang asupan bahan tambahan makanan di berbagai populasi dan mendorong diskusi yang lebih luas mengenai konsumsi bahan tambahan, yang saat ini hanya dinilai secara formal dari perspektif toksisitas dan karsinogenisitas.

2 Metode
2.1 Protokol dan Pedoman
Tinjauan sistematis ini disusun mengikuti prinsip-prinsip yang dipublikasikan dalam pedoman Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) (Page et al. 2021 ) dan diajukan dalam PROSPERO (nomor referensi CRD42022318824). Metode “PICOS” (Population, Intervention, Comparator, Outcome, and Study design) digunakan untuk mengembangkan strategi pencarian dan menentukan kriteria inklusi. Uji coba kasus-kontrol, kohort, cross-sectional, dan terkontrol acak (RCT) pada manusia dari semua usia (populasi) yang menilai asupan bahan tambahan makanan pada seluruh pola makan (intervensi) dan memungkinkan sintesis asupan bahan tambahan makanan individu (mg/kg bb) dengan menggunakan berbagai metodologi asupan nonlaboratorium (outcome) disertakan. Studi hewan, artikel yang tidak ditulis dalam bahasa Inggris, artikel tinjauan, penilaian asupan kontaminan atau bahan-bahan seperti herba, rempah-rempah, garam, dan gula, studi asupan aditif yang berfokus secara eksklusif pada satu jenis makanan (misalnya, soda rendah kalori), dan literatur abu-abu (misalnya, laporan industri, makalah yang diterbitkan dalam domain publik, tesis, dll.) tidak termasuk. Pembagian data tidak berlaku untuk artikel ini karena tidak ada kumpulan data yang dibuat atau dianalisis selama studi saat ini.

2.2 Strategi Pencarian dan Basis Data
CINAHL, MEDLINE, ProQuest, PubMed, Scopus, dan Web of Science ditelusuri untuk studi yang memenuhi syarat mulai 1 Januari 2015 hingga 14 Juli 2023 (SH), dengan penelusuran yang diperbarui mulai 14 Juli 2023 hingga 1 Januari 2024 yang mencatat pekerjaan sebelumnya yang diselesaikan oleh Jain dan Mathur hingga Januari 2015 (Jain dan Mathur 2015 ). Istilah pencarian meliputi aditif diet; aditif makanan; makanan olahan; konsumsi; asupan; dan konsumsi. Batasan berikut diterapkan: bahasa Inggris; manusia; uji klinis; studi kohort; studi kasus-kontrol; studi cross-sectional; dan RCT. Daftar referensi studi yang memenuhi syarat juga ditinjau. Artikel yang diambil menggunakan strategi pencarian dimasukkan ke Endnote, dan duplikat dihapus, dengan artikel yang tersisa diimpor ke Covidence. Abstrak dan kemudian teks lengkap disaring secara independen terhadap kriteria inklusi oleh dua penulis tinjauan (SH, GT). Setiap ketidaksepakatan antara penulis diselesaikan melalui diskusi antara peninjau setelah hasil yang tidak menyilaukan.

Lembar kerja yang dibuat khusus dibuat untuk mengekstrak data dan memfasilitasi tinjauan dan perbandingan temuan yang berkualitas. Data yang diekstraksi mencakup informasi umum (nama penulis pertama, tahun, lokasi geografis, nama studi, dan pendanaan), metodologi yang digunakan (desain, kriteria inklusi dan eksklusi, metode untuk asupan bahan tambahan makanan, termasuk perhitungan dan hasil), informasi peserta (misalnya, ukuran sampel [ n ], jenis kelamin [% pria/wanita], usia, status kesehatan, asupan makanan, dll.), dan hasil (misalnya, bagaimana asupan bahan tambahan makanan dihitung dan nilai rata-rata asupan bahan tambahan [mg/kg bb]). Penulis studi dihubungi jika ada data yang hilang.

Risiko bias dalam studi dinilai secara independen dan kualitatif oleh dua penulis (SH, GT) menggunakan JBI Critical Appraisal Checklist (Aromataris 2017 ). Alat ini dipilih berdasarkan rekomendasi Ma et al. ( 2020 ) karena singkat dan jelas serta berisi delapan item yang berkaitan dengan kriteria inklusi, partisipan, validitas dan reliabilitas, faktor pengganggu, dan analisis statistik. Setiap item dinilai ya, tidak, atau tidak berlaku, dengan peringkat akhir digunakan untuk memberikan pemahaman kepada pembaca tentang kualitas studi. Tidak ada protokol yang disediakan dalam alat untuk menentukan kualitas keseluruhan; oleh karena itu, peringkat tinggi, sedang, atau rendah dibuat berdasarkan apakah hasil “ya” telah diberikan untuk pengukuran yang valid dan reliabel dan bagaimana ketidakkonsistenan data telah dikelola, mengingat fokus studi ini secara eksklusif pada metodologi intake. Untuk mendapatkan peringkat “tinggi”, hasil harus valid dan reliabel, dan ketidakkonsistenan harus dikelola. Peringkat rendah diberikan jika informasi yang tersedia tidak mencukupi mengenai partisipan, perhitungan yang digunakan, atau pengelolaan faktor pengganggu. Pendekatan ini tidak berbeda dengan yang diuraikan dalam alat ROBINS-I (Sterne et al. 2016 ).

Tabel hasil dibuat untuk menilai secara langsung nilai aditif makanan dan metodologi asupan. Kumpulan data yang dikelompokkan mencakup metodologi asupan makanan, perhitungan, dan referensi ADI (misalnya, JECFA ADI, EFSA ADI) untuk memungkinkan perbandingan langsung antar studi. Nilai ADI dirujuk silang ke database Combined Compendium of Food Additive Specifications (FAO 2022a ). Jika studi penilaian berjenjang diselesaikan, data Tier 3 (data berdasarkan konsumsi aktual vs. konsumsi teoritis, bukan data Tier 1 dan Tier 2) digunakan untuk memperoleh nilai yang paling mendekati konsumsi aktual. Jika beberapa nilai asupan diberikan (misalnya, di rentang usia atau untuk subpopulasi lain), rata-rata nilai ini dihitung untuk memungkinkan tinjauan langsung. Meta-analisis tidak diselesaikan karena heterogenitas data, dengan sintesis naratif hasil dilakukan sebagai gantinya.

3 Hasil
Setelah penghapusan duplikat ( n = 59), total 1042 makalah dimasukkan dalam penyaringan judul, yang mana 107 dianggap memenuhi syarat untuk tinjauan teks lengkap. Tinjauan teks lengkap mengidentifikasi 24 studi yang memenuhi syarat untuk dimasukkan. Pencarian daftar referensi mengidentifikasi lima makalah tambahan, dengan tiga di antaranya memenuhi kriteria inklusi. Tinjauan metodologi terperinci mengidentifikasi enam makalah lebih lanjut yang tidak memenuhi kriteria inklusi, sehingga menghasilkan 21 makalah yang cocok untuk ditinjau (lihat Gambar 1 ). Tidak ada artikel baru yang diidentifikasi setelah pencarian ulang pada tahun 2024.

3.1 Karakteristik Studi yang Disertakan
Semua penelitian bersifat cross-sectional. Empat penelitian ( n = 4) dilakukan di masing-masing Asia (Fanaike et al. 2019 ; Jung et al. 2022 ; Lee et al. 2019 ; Lien et al. 2016 ), Amerika Selatan (Fuentealba Arévalo et al. 2019 ; Garavaglia et al. 2018 ; Martínez et al. 2020 ; Venegas Hargous et al. 2020 ), dan Amerika Serikat (Bastaki et al. 2017 ; Doell et al. 2016 ; Fulgoni dan Fulgoni 2021 ; Shah et al. 2017 ) dan dua ( n = 2) di Irlandia (Buffini et al. 2018 ; Martyn et al. 2016 ), dengan sisa penelitian diselesaikan di negara-negara di Eropa ( n = 7) (Bayram dan Ozturkcan 2022 ; Chazelas et al. 2020 ; Dewinter et al. 2016 ; Huvaere et al. 2012 ; Le Donne et al. 2017 ; Mancini et al. 2015 ; Rompelberg et al. 2016 ). Jumlah partisipan gabungan lebih dari 366.297, yang menunjukkan bahwa meskipun studi yang diselesaikan oleh Shah et al. ( 2017 ) tidak menyediakan data yang cukup untuk mengonfirmasi jumlah partisipan yang pasti, namun masih sesuai untuk ditinjau. Mayoritas penelitian dilakukan di seluruh populasi nasional ( n = 17; partisipan = lebih dari 361.148), dengan pengecualian empat penelitian, yang berfokus pada kelompok yang lebih kecil berbasis kota ( n = 2; partisipan = 3097) (Bayram dan Ozturkcan 2022 ; Garavaglia et al. 2018 ), populasi berbasis sekolah ( n = 2; partisipan = 1209) (Martínez et al. 2020 ; Venegas Hargous et al. 2020 ), atau rumah sakit dan klinik komunitas ( n = 2; partisipan = 843) (Dewinter et al. 2016 ; Fuentealba Arévalo et al. 2019 ) (Tabel 1 ).

TABEL 1. Karakteristik umum studi dan metodologi penilaian asupan bahan tambahan makanan.

Singkatan: ADI = asupan harian yang dapat diterima; FFQ = kuesioner frekuensi makanan; MPL = batas maksimum yang diizinkan.
Alat penilaian diet khusus yang tidak disebutkan dalam penelitian. Data diperoleh dari Survei Pemeriksaan Kesehatan dan Gizi Nasional Korea (KNHANES) 2018 , yang merujuk pada penyelesaian kuesioner frekuensi makanan semikuantitatif di antara 21.287 peserta dengan tingkat respons 80,0% (Oh et al. 2021 ). Sampel akhir dihitung menjadi n = 21.287 × 0,80 = 17.027.
b Alat penilaian diet khusus tidak disebutkan dalam penelitian. Data diperoleh dari Survei Pemeriksaan Kesehatan dan Gizi Nasional Korea (KNHANES) 2012–2014 , yang mengacu pada penyelesaian kuesioner frekuensi makanan semikuantitatif (Oh et al. 2021 ).

Tiga puluh delapan ( n =38) bahan tambahan pangan dinilai, yang meliputi pengemulsi ( n =10); pemanis buatan ( n =9); pengawet ( n =8); pewarna dan pemutih makanan (n=1 ) ; dan penambah rasa ( n =1 ) . Semua kecuali tiga ( n =3) penelitian mengandalkan data manufaktur (tidak termasuk label pangan) untuk menghitung keberadaan bahan tambahan pangan dalam makanan yang dikonsumsi (Buffini et al. 2018 ; Lee et al. 2019 ; Venegas Hargous et al. 2020 ). Penilaian asupan makanan individu yang paling populer adalah ingatan 24 jam ( n = 11), FFQ ( n = 6), atau buku harian makanan ( n = 4), dengan beberapa penelitian ( n = 4) menggunakan pendekatan gabungan yang menggabungkan berbagai metodologi (Doell et al. 2016 ; Lien et al. 2016 ; Rompelberg et al. 2016 ; Shah et al. 2017 ). Fotografi makanan ( n = 2) (Chazelas et al. 2020 ; Martínez et al. 2020 ) dan konsumsi makanan yang diukur (g/kg) ( n = 2) (Buffini et al. 2018 ; Martyn et al. 2016 ) juga digunakan untuk memperkuat keakuratan data yang dikumpulkan. Sekitar 60% penelitian ( n = 13) mengungkapkan persamaan matematika yang digunakan untuk menentukan asupan bahan tambahan makanan, yang semuanya menggabungkan data bahan tambahan makanan (mg) dengan makanan yang dikonsumsi (g atau kg) terhadap berat badan (bb) untuk menentukan mg/kg bb (Bastaki et al. 2017 ; Buffini et al. 2018 ; Dewinter et al. 2016 ; Fanaike et al. 2019 ; Garavaglia et al. 2018 ;​​​​​​​​​​​​​​ ​​

Penilaian risiko bias mengidentifikasi 10 studi berkualitas sedang (Chazelas et al. 2020 ; Fanaike et al. 2019 ; Fulgoni and Fulgoni 2021 ; Jung et al. 2022 ; Lee et al. 2019 ; Lien et al. 2016 ; Martínez et al. 2020 ; Shah et al. 2017 ; Venegas Hargous et al. 2020 ) atau rendah (Fuentealba Arévalo et al. 2019 ), sedangkan studi lainnya dinilai berkualitas tinggi ( n = 12). Demografi populasi penelitian yang tidak dilaporkan ( n = 10) (Chazelas dkk. 2020 ; Fanaike dkk. 2019 ; Fuentealba Arévalo dkk. 2019 ; Fulgoni dan Fulgoni 2021 ; Jung dkk. 2022 ; Lee dkk. 2019 ; Lien dkk. 2016 ; Martínez dkk. 2020 ; Shah et al. 2017 ; Venegas Hargous et al. 2020 ), kerahasiaan metodologi lengkap yang digunakan ( n = 8 ) (Chazelas et al. 2020 ; Fuentealba Arévalo et al. 2019 ; Martinez dkk. 2020 ; Shah dkk. 2017 ; Venegas Hargous dkk. 2020 ), dan kegagalan dalam mengidentifikasi strategi untuk mengatasi faktor perancu ( n = 7) (Fanaike dkk. 2019 ; Fuentealba Arévalo dkk. 2019 ; Fulgoni dan Fulgoni 2021 ; Lee dkk. 2019 ; Martínez dkk. 2020 ; Shah dkk. 2017 ; Venegas Hargous dkk. 2020 ) tercatat sebagai permasalahan utama (Gambar 2 ).

3.2 Asupan Zat Aditif dan Anak-anak
Tabel 2 dan 3 menggambarkan asupan zat aditif yang dikelompokkan untuk anak-anak (hingga 18 tahun) dan orang dewasa (semua usia) (mg/kg bb). Orang dewasa (semua usia) tidak dapat diekstrapolasi lebih lanjut (yaitu, ke individu di atas dan di bawah 18 tahun), yang mencerminkan penyertaan individu berusia 2 tahun hingga lansia dalam kumpulan data oleh Doell et al. ( 2016 ). Martinez et al. ( 2020 ) melaporkan data asupan median, tetapi semua penelitian lain ( n = 20) melaporkan asupan rata-rata melalui metodologi yang berbeda, sehingga tidak dapat diselesaikannya meta-analisis yang akurat. Penilaian berjenjang diselesaikan dalam lima studi ( n =5) (Buffini et al. 2018 ; Dewinter et al. 2016 ; Huvaere et al. 2012 ; Le Donne et al. 2017 ; Mancini et al. 2015 ), tetapi hanya asupan rata-rata Tier 3 yang didokumentasikan dalam tinjauan ini untuk memperoleh nilai yang paling mendekati asupan aktual. Dari studi-studi ini, tiga studi ( n =3) menyediakan data Tier 3 menurut berbagai kelompok usia (misalnya, 1–5 tahun, 5–12 tahun, dst.) (Dewinter et al. 2016 ; Garavaglia et al. 2018 ; Mancini et al. 2015 ); oleh karena itu, data rata-rata dihitung oleh penulis untuk memfasilitasi perbandingan langsung dengan studi lain yang termasuk dalam tinjauan ini. Tidak ada nilai asupan di antara subpopulasi kelompok usia yang diketahui melebihi ADI, dengan ikhtisar nilai disediakan dalam Gambar 3 .

TABEL 2. Berbagai asupan zat aditif dalam miligram per kilogram berat badan (mg/kg bb) per hari per populasi yang dinilai—anak-anak.

Singkatan: FFQ = kuesioner frekuensi makanan.
a Hasil awalnya dilaporkan di seluruh subkelompok (misalnya, 2–4 tahun, 5–12 tahun, 13–18 tahun), dengan hasil rata-rata dirata-ratakan oleh penulis untuk memungkinkan perbandingan dengan penelitian lain.
b Hasil median hanya dilaporkan.
c Tidak termasuk bayi yang disusui.
d EFSA ADI.

TABEL 3. Asupan berbagai zat aditif dalam miligram per kilogram berat badan (mg/kg bw) per hari per populasi yang dinilai ( n )—dewasa atau kelompok gabungan.

Singkatan: NL = tidak terbatas; NS = tidak ditentukan.
a Tidak hamil atau menyusui.
b Termasuk fraksi nanopartikel.
c Menambahkan fosfor anorganik melalui aditif.
d Rata-rata data dihitung oleh penulis untuk perbandingan langsung dengan penelitian lain. Lihat penelitian asli untuk hasil yang didistribusikan di antara kelompok usia.
e Ukuran sampel tidak disediakan oleh Shah et al. ( 2017 ). Data dari survei 1 hingga 2 hari diperoleh dari Survei Pemeriksaan Kesehatan dan Gizi Nasional (NHANES ) 1999–2002 dan 2003–2010, yang mensurvei sekitar 5000 orang per tahun di Amerika Serikat ( n = 5000 × 6 tahun = 60.000) (Ahluwalia et al. 2016 ). Data dari survei 10 hingga 14 hari diperoleh dari database NPD Group, Inc. National Eating Trends-Nutrient Intake, yang tidak mengungkapkan secara publik jumlah subjek yang dinilai.
f Ukuran sampel tidak disediakan. Data yang diperoleh untuk penelitian ini berasal dari Survei Pemeriksaan Kesehatan dan Gizi Nasional (NHANES ) 2007–10, yang mensurvei sekitar 5000 orang per tahun di Amerika Serikat ( n = 5000 × 4 tahun = 20.000) dan Basis Data Tren Makan Nasional - Asupan Nutrisi (NPD NET-NID) 2007–10 (asupan 10 hingga 14 hari, sekitar 20.000 peserta).

Tabel 2 menggambarkan perkiraan asupan pemanis buatan, pewarna, dan pengawet oleh anak-anak dan remaja hingga usia 18 tahun. Sebanyak 35 nilai asupan diperoleh, tanpa ada nilai yang dipublikasikan yang melebihi ADI. Konsumsi siklamat dalam kelompok Argentina (5,97 mg/kg bb vs. ADI 7 mg/kg bb) (Garavaglia et al. 2018 ), diikuti oleh stevia untuk kelompok Chili (1,5 mg/kg bb vs. ADI 2 mg/kg/bb) (Venegas Hargous et al. 2020 ), merupakan yang menonjol, dengan konsumsi yang jauh lebih tinggi daripada yang diamati oleh populasi lain, dan tingkat asupan masing-masing sebesar 85,2% dan 75% dari ADI. Data yang diberikan tidak cukup untuk menentukan mengapa aditif ini lebih tinggi di antara kelompok Amerika Selatan.

Tabel 3 menggambarkan perkiraan asupan pemanis buatan, pewarna, dan pengawet oleh orang dewasa berusia 18 tahun ke atas, serta oleh mereka yang data studinya tidak mendefinisikan kelompok usia tertentu. Gambar 4 memberikan ringkasan zat aditif yang dikonsumsi di atas ADI. Sebanyak 101 nilai asupan diperoleh, dengan tiga ( n = 3) asupan rata-rata dari Amerika Serikat untuk Allura Red (E129), Erythrosine (E127), dan Sunset Yellow (E110) melebihi ADI masing-masing sebesar 138%, 1470%, dan 180% (Doell et al. 2016 ). Ini adalah satu-satunya nilai yang diamati di atas ADI, mencatat bahwa kelompok spesifik dari mana nilai-nilai ini diturunkan mencakup peserta berusia 2 tahun ke atas.

3.3 Sintesis Naratif Kesenjangan Penelitian
Sintesis naratif dari studi yang disertakan telah diselesaikan (Tabel 4 ), yang menyoroti kesenjangan signifikan dalam literatur saat ini mengenai estimasi asupan bahan tambahan makanan yang memanfaatkan metodologi nonlaboratorium. Secara geografis, penelitian yang ada telah difokuskan pada negara-negara tertentu di Eropa, Amerika Utara, dan bagian dari Asia, dengan ketidakhadiran yang nyata dari benua Afrika, Asia Selatan, Asia Tenggara, Eropa Timur, dan sebagian besar Amerika Selatan. Dalam hal cakupan populasi, beberapa penelitian telah menargetkan kelompok klinis atau kelompok diet tertentu (misalnya, mereka yang mengikuti diet bebas gluten). Sementara beberapa penelitian menggunakan penarikan kembali 24 jam, FFQ, dan buku harian makanan, tidak ada penggunaan metode yang muncul seperti program kartu loyalitas atau analisis yang dibantu kecerdasan buatan. Lebih jauh lagi, pertimbangan bahan tambahan tertentu tidak merata, dengan pewarna dan pemanis yang paling sering dipelajari, dengan lebih sedikit perhatian pada senyawa seperti zat anti-penggumpalan dan zat penstabil.

TABEL 4. Analisis kesenjangan dalam literatur tentang estimasi asupan bahan tambahan makanan.

4 Diskusi
Pengukuran asupan aditif pada manusia penting untuk memahami paparan, menentukan kepatuhan terhadap peraturan, dan menghargai risiko (atau ketiadaan risiko), bahkan jika hanya dari perspektif toksikologi dan karsinogenisitas. Studi ini bertujuan untuk menentukan apakah ada metode yang lebih disukai untuk mengukur asupan aditif dan untuk meninjau nilai asupan rata-rata untuk populasi yang dinilai terhadap ADI JECFA yang direkomendasikan. Metodologi yang digunakan dalam studi yang ditinjau termasuk estimasi asupan makanan melalui data yang diperoleh dengan menggunakan berbagai alat (misalnya, penarikan kembali 24 jam, FFQ, dll.) dikombinasikan dengan data manufaktur yang tersedia (termasuk informasi label makanan) dan/atau data analisis kimia, dibagi dengan berat badan rata-rata dari populasi yang diteliti. Sementara penilaian asupan makanan individu bervariasi, semua data asupan makanan akhir yang diperoleh menghasilkan daftar makanan yang dikonsumsi oleh populasi selama periode tertentu, dengan beberapa penelitian lebih lanjut mengukur konsumsi dengan ukuran porsi atau berat. Proses untuk menghitung asupan aditif (mg/kg bb) berbeda antara penelitian, dengan beberapa investigasi yang menetapkan makanan yang dikonsumsi ke kategori makanan yang merata-ratakan aditif makanan (mg) per porsi (Dewinter et al. 2016 ), sementara yang lain merata-ratakan konsumsi item makanan selama beberapa hari (g/kg) (Jung et al. 2022 ) dan secara khusus menghitung asupan aditif menurut setiap item makanan tertentu (mg/g atau mg/kg) (Le Donne et al. 2017 ). Tidak ada pendekatan yang tampak lebih disukai daripada yang lain. Sebaliknya variabilitas metode menyoroti kompleksitas inheren yang terkait dengan estimasi asupan aditif, di mana jumlah pasti aditif dalam makanan, kecuali dianalisis secara kimia, tetap tidak diketahui, dan jumlah pasti makanan yang dikonsumsi oleh individu dalam suatu populasi juga sebagian besar didasarkan pada data ingatan dan estimasi. Secara umum, rekomendasi untuk meningkatkan metodologi yang dibuat oleh Jain dan Mathur ( 2015) ) tampaknya belum dilaksanakan, meskipun pemanfaatan penilaian Berjenjang di sejumlah studi dicatat.

Doell et al. ( 2016 ) mengidentifikasi konsumsi pewarna makanan Allura Red AC, Erythrosine, dan Sunset Yellow yang berlebihan; namun, nilai-nilai tersebut diperoleh dengan asumsi bahwa partisipan adalah pemakan kumulatif, dan data asupan mereka cocok dengan produk-produk yang secara khusus mengandung zat aditif yang diinginkan. Sementara kondisi-kondisi studi ini mungkin tidak terjadi dalam kehidupan nyata, makanan kemasan masih cocok dengan makanan yang dikonsumsi, membuat jumlah asupan kemungkinan ditaksir terlalu tinggi tetapi masuk akal. Dari studi-studi yang memperoleh kalkulasi mendekati atau di atas ADI, Garavaglia et al. ( 2018 ) menyelesaikan satu penarikan kembali 24 jam dan Doell et al. ( 2016 ) penarikan kembali 2 hari, menyoroti bahwa periode penilaian yang singkat berpotensi melebih-lebihkan hasil. Ini tidak sesuai dengan temuan dari Jain dan Mathur. ( 2015 ) yang mengidentifikasi bahwa studi dengan hasil di atas ADI lebih umum diperoleh dengan menggunakan FFQ semikualitatif. Catatan makanan yang ditimbang (di mana individu menimbang makanan sebelum dan sesudah konsumsi), diikuti dengan pencatatan asupan makanan dari 3 hingga 7 hari, kemungkinan besar akan memberikan data konsumsi yang paling akurat (Chapman et al. 2021 ); namun, catatan tersebut akan membutuhkan banyak sumber daya, terutama jika dilakukan untuk populasi besar. Sumber daya, baik untuk studi nasional, regulasi, atau melalui upaya yang dipimpin universitas atau industri, tampaknya menjadi faktor penentu ketika mempertimbangkan metodologi asupan aditif yang akan diadopsi.

Pertimbangan demografi partisipan sangat penting untuk menghargai bagaimana pola asupan dapat bervariasi berdasarkan karakteristik partisipan individu (seperti usia, jenis diet, tahap kehidupan, pekerjaan, dll.). Hanya tujuh studi (33%) yang melaporkan demografi kohort mereka (Bayram dan Ozturkcan 2022 ; Chazelas et al. 2020 ; Dewinter et al. 2016 ; Fuentealba Arévalo et al. 2019 ; Huvaere et al. 2012 ; Mancini et al. 2015 ; Martínez et al. 2020 ; Martyn et al. 2016 ). Tidak ada studi nasional yang lebih besar yang mengungkapkan demografi partisipan, meskipun rincian setiap survei nasional atau kumpulan data yang digunakan disediakan, yang memungkinkan pembaca untuk menyelidiki lebih lanjut jika perlu. Tiga dari studi yang lebih kecil (Dewinter et al. 2016 ; Fuentealba Arévalo et al. 2019 ; Martínez et al. 2020 ) menyediakan demografi partisipan, sementara tidak ada studi yang menganalisis jenis diet (misalnya, pescatarian, vegetarian, vegan, dll.) yang dikonsumsi, meskipun diet sangat berkorelasi dengan konsumsi makanan kemasan dan dengan demikian aditif makanan. Hal ini kemungkinan terjadi karena peneliti memilih alat penilaian diet yang cocok untuk populasi besar, yang sering kali tidak menyertakan detail mengenai diet spesifik, tetapi ini merupakan batasan signifikan dalam menghargai asupan aditif yang disebabkan oleh diet dan nilai demografi yang berbeda. Memahami pola diet sangat penting dalam penyelidikan asupan aditif makanan, karena diet yang berbeda cenderung memerlukan konsumsi aditif yang berbeda. Misalnya, individu yang menjalani diet bebas gluten mungkin mengonsumsi makanan olahan bebas gluten, yang mungkin mengandung kadar pengemulsi lebih tinggi dibandingkan dengan makanan yang mengandung gluten (Belorio dan Gómez 2020 ), sementara vegetarian mungkin mengonsumsi pengganti daging nabati, yang mungkin lebih tinggi dalam penambah rasa dan pewarna (Kyriakopoulou et al. 2021). ). Variasi tersebut menggarisbawahi perlunya memasukkan demografi dalam studi penilaian asupan aditif makanan, terutama jika demografi tersebut dapat menyoroti kerentanan tersembunyi (seperti adopsi diet bebas gluten karena kondisi gastrointestinal) yang relevan dengan penilaian dan profil risiko aditif.

Sebagian besar studi diselesaikan di negara-negara berpenghasilan tinggi (negara = 8; peserta = lebih dari 316.463) (Bastaki dkk. 2017 ; Bayram dan Ozturkcan 2022 ; Buffini dkk. 2018 ; Chazelas dkk. 2020 ; Dewinter dkk. 2016 ; Doell dkk. 2016 ; Fulgoni dan Fulgoni 2021 ; Huvaere et al. 2012 ; Jung et al. 2022 ; Le Donne et al. 2017 ; Lee et al. 2019 ; Mancini et al. 2015 ; Martyn et al. 2016 ; Rompelberg et al. 2016 ; Shah et al. 2017 ) versus negara berpenghasilan rendah (negara = 5; peserta = 49.834) (Fanaike et al. 2019 ; Fuentealba Arévalo et al. 2019 ; Garavaglia et al. 2018 ; Martínez et al. 2020 ; Venegas Hargous et al. 2020 ). Kemungkinan besar negara-negara berpendapatan rendah kurang terwakili, karena asupan aditif mungkin bukan prioritas jika dibandingkan dengan memastikan akses ke nutrisi dasar bagi seluruh populasi mereka (Monteiro et al. 2018 ). Khususnya, konsumsi makanan kemasan yang mengandung aditif makanan di negara-negara berpendapatan rendah meningkat pesat dan harus, pada tahap tertentu, dipertimbangkan (Baker et al. 2020 ). Pencantuman nilai aditif kuantitatif pada label makanan dan penggunaan kuesioner sederhana (Trakman et al. 2020 ) dapat memastikan estimasi asupan aditif menjadi pekerjaan yang lebih mudah dan lebih efisien.

Asupan tinggi versus rata-rata ditinjau oleh empat ( n = 4) studi (Bastaki et al. 2017 ; Doell et al. 2016 ; Jung et al. 2022 ; Martyn et al. 2016 ), dan sementara nilai-nilai ini tidak dilaporkan secara khusus dalam studi ini, diidentifikasi bahwa asupan umumnya lebih tinggi di antara anak-anak dan dewasa muda. Pertimbangan asupan tinggi versus rendah penting, karena generalisasi asupan aditif makanan di seluruh populasi tidak secara akurat menunjukkan apakah ADI telah terlampaui untuk subpopulasi tertentu. Data yang disajikan mungkin tidak mencakup pola konsumsi yang bermasalah dan memengaruhi advokasi yang tepat untuk perubahan dalam ketersediaan makanan prakemas, pemasaran, undang-undang, praktik manufaktur, dan/atau pendidikan kesehatan masyarakat.

Asupan bahan tambahan makanan untuk anak-anak, anak prasekolah, dan dewasa muda ditinjau oleh empat ( n = 4) studi (Doell et al. 2016 ; Martínez et al. 2020 ; Martyn et al. 2016 ; Venegas Hargous et al. 2020 ). Mengukur asupan bahan tambahan makanan untuk subpopulasi ini penting, karena makanan yang berwarna-warni, dikemas sebelumnya, mengandung bahan tambahan menarik bagi populasi ini (Page et al. 2021 ) dan bahan tambahan makanan mungkin memiliki efek yang lebih besar pada anak-anak dalam jangka pendek dan panjang, mengingat ukuran mereka yang lebih kecil dan sistem imunologi, gastrointestinal, dan neurologis yang belum matang (Lau et al. 2006 ). Tidak ada penelitian dalam makalah ini yang menilai asupan makanan dari populasi rentan lainnya, termasuk penghuni panti jompo, pasien rawat inap di rumah sakit, atau narapidana, meskipun populasi ini memiliki risiko lebih besar terhadap kesehatan yang buruk dan juga lebih mungkin mengonsumsi makanan yang diproduksi secara massal atau disiapkan secara industri (Grammatikopoulou et al. 2021 ; Lucan et al. 2017). ).

Bukti yang menghubungkan aditif makanan tertentu dengan kemungkinan efek kesehatan yang merugikan meningkat, namun masih dalam tahap awal karena kesulitan dalam mengatasi faktor pengganggu seperti efek aditif dan sinergis, kecenderungan genetik, metodologi asupan yang bervariasi, dan gaya hidup dan lokasi geografis yang bervariasi. Studi yang diselesaikan oleh Doell et al. mengidentifikasi asupan pewarna makanan buatan yang melebihi ADI (Doell et al. 2016 ), dengan konsumsi aditif pada tingkat yang melebihi ADI dan ambang batas aman untuk toksisitas dan karsinogenesis. Yang lebih memprihatinkan, hubungan antara pewarna makanan buatan dan gangguan hiperaktivitas defisit perhatian, disbiosis, dan peningkatan permeabilitas usus juga telah dilaporkan (Lau et al. 2006 ). Sebagian besar penelitian tentang efek kesehatan dari aditif makanan bergantung pada penelitian hewan dan sel dan belum menunjukkan hubungan langsung antara konsumsi aditif dan timbulnya penyakit yang sebenarnya. Selain itu, manusia dapat menjadi responden atau bukan responden terhadap senyawa dan nutrisi makanan bioaktif, dengan beberapa mengalami efek fisiologis yang berlebihan sementara yang lain tidak mengalami efek sama sekali (Serini dan Calviello 2020 ). Makanan prakemas individual juga dapat mengandung berbagai macam aditif, seperti yang ditunjukkan oleh Chazelas et al. ( 2020 ) yang membuat profil gugus aditif yang terdapat pada lebih dari 126.000 makanan olahan, termasuk sereal, kue kering, dan yogurt. Kemungkinan bahwa aditif makanan mungkin memiliki efek aditif atau sinergis pada fisiologi manusia masih kurang dalam literatur yang diterbitkan saat ini.

Menerbitkan jumlah aditif yang dapat diukur pada label makanan dari makanan yang dikemas sebelumnya akan membantu pilihan yang terinformasi dan menyediakan alat yang berguna untuk menilai asupan aditif makanan, khususnya di negara-negara atau untuk peneliti yang dibatasi oleh kurangnya data yang tersedia dan/atau sumber daya untuk menyelesaikan studi. Hingga saat ini, para peneliti telah merancang kuesioner berdasarkan dibolehkannya aditif dalam makanan dan telah menerbitkan nilai MPL dalam nilai makanan CODEX untuk memperkirakan asupan aditif (Ajabnoor dan Khatib 2024 ). Terkait dengan itu, para peneliti telah merancang diet rendah-emulsifier terapeutik berdasarkan data label makanan (Fitzpatrick et al. 2024 ) dan memperoleh estimasi asupan aditif berdasarkan frekuensi paparan sesuai label kemasan makanan. Sementara ini menyajikan kemajuan penting, kuesioner tidak menangkap variasi di seluruh merek dan cenderung melebih-lebihkan konsentrasi aditif yang sebenarnya. Demikian pula, ketergantungan pada data hitungan dapat meremehkan asupan karena, di beberapa wilayah, aditif dalam bahan majemuk tidak perlu dideklarasikan jika bahan majemuk tersebut membentuk kurang dari 5% (berdasarkan berat) makanan dan aditif tersebut tidak melakukan fungsi tertentu (FSANZ 2024 ). Kebijakan untuk memperkenalkan kuantifikasi wajib aditif makanan pada label produk akan secara signifikan meningkatkan kemampuan untuk memperkirakan penilaian asupan tingkat populasi dan menilai kepatuhan relatif terhadap ADI dan MPL yang diamanatkan. Namun, menerapkan reformasi pelabelan akan memerlukan pengawasan peraturan dan verifikasi pelaporan yang cukup besar, yang menimbulkan tantangan keuangan, hukum, dan peraturan. Meskipun demikian, transparansi yang dihasilkan akan memberdayakan pilihan yang terinformasi dan memungkinkan pemantauan epidemiologi yang sejalan dengan tujuan JEFCA dan Organisasi Kesehatan Dunia untuk mempromosikan dan meningkatkan kesehatan masyarakat (WHO 2022) . ).

Studi ini tidak mengidentifikasi metodologi “standar emas” untuk menilai asupan aditif makanan tingkat populasi; namun, jika metodologi tersebut dikembangkan, metodologi tersebut harus mengatasi keterbatasan utama yang diidentifikasi dalam pendekatan saat ini, seperti bias, perkiraan yang terlalu tinggi dan terlalu rendah, variabilitas makanan yang dikonsumsi, dan ketergantungan pada data produsen. Pendekatan hibrida yang mengintegrasikan alat penilaian diet dengan penangkapan data waktu nyata dan basis data komposisi makanan yang tidak bergantung pada produsen yang divalidasi akan ideal. Kombinasi metode penilaian diet kuantitatif jangka pendek (misalnya, penarikan kembali 24 jam atau buku harian makanan) dengan alat asupan jangka panjang (misalnya, FFQ semi-kuantitatif) akan lebih meningkatkan keandalan data. Teknologi digital, seperti aplikasi seluler dengan pemindai kode batang dan pengenalan makanan yang mendukung kecerdasan buatan, akan menghilangkan beban dan mendukung pengumpulan dan analisis pengumpulan data waktu nyata. Tautan otomatis ke basis data komposisi makanan juga akan meningkatkan akurasi dan keandalan. Kumpulan data kartu loyalitas dan catatan titik penjualan juga menunjukkan janji; Namun, hambatan privasi dan aksesibilitas perlu diatasi (Sardi et al. 2010 ). Metodologi yang dihasilkan masih akan bergantung pada banyak titik data; namun, dengan menyempurnakan masing-masing, pekerjaan dapat dilanjutkan menuju metode penilaian asupan heterogen yang lebih disukai dan dapat diandalkan.

Tinjauan ini memiliki beberapa keterbatasan, termasuk kurangnya meta-analisis karena heterogenitas dalam metode penilaian, pengecualian studi dalam bahasa selain bahasa Inggris, ketidakmampuan untuk mengidentifikasi apakah nilai asupan rata-rata yang diperoleh menimbulkan risiko bagi kesehatan masyarakat, dan penggunaan ukuran ringkasan di mana beberapa nilai rata-rata dilaporkan. Pengumpulan data rata-rata dan data dari penilaian Tier 3 saja mungkin telah memperkenalkan bias pelaporan hasil dan perkiraan hasil yang terlalu tinggi. Namun, nilai Tier 3 diantisipasi untuk memberikan perkiraan yang lebih dekat dari asupan aktual, mengingat Tier 1 dan 2 bergantung pada konsumsi teoritis dan konsentrasi aditif makanan maksimal (Buffini et al. 2018 ). Rata-rata data di seluruh kelompok usia dan tidak dilaporkannya data konsumsi tinggi mungkin juga telah melewatkan konsumsi yang bermasalah. Dalam studi yang ditinjau, keterbatasannya meliputi kurangnya informasi mengenai lokasi geografis dan karakteristik populasi, kurangnya informasi mengenai kebiasaan diet dan makanan yang dikonsumsi peserta, kurangnya pertimbangan atau diskusi mengenai efek kumulatif atau sinergis dari zat aditif terhadap MPL dan/atau ADI, dan tidak mempertimbangkan keakuratan data manufaktur dan/atau informasi rantai pasokan, yang dapat memengaruhi jumlah zat aditif yang sebenarnya. Lebih jauh, terdapat kelangkaan data yang dipublikasikan mengenai berbagai zat aditif yang disetujui, dan berbagai wilayah juga tidak terwakili.

Rekomendasi yang mengikuti tinjauan sistematis ini mencakup penetapan metodologi “standar emas” untuk menilai asupan zat aditif makanan pada individu dan di seluruh populasi kecil dan besar, dan publikasi jumlah zat aditif yang dapat diukur saat ditambahkan oleh produsen ke produk makanan olahan atau yang dikemas sebelumnya. Rekomendasi pertama akan memfasilitasi perbandingan langsung hasil di seluruh populasi, sedangkan yang kedua akan sangat meningkatkan keakuratan perhitungan asupan zat aditif dan mendorong pilihan yang tepat. Diperlukan lebih banyak penelitian tentang kemungkinan dampak kesehatan zat aditif makanan pada manusia, seperti halnya pertimbangan efek kumulatif atau sinergis antara zat aditif untuk menentukan apakah ADI saat ini cukup untuk menghindari risiko penyakit, dengan pertimbangan keamanan yang akan diperluas melampaui karsinogenisitas dan toksisitas. Pertimbangan dan studi populasi yang rentan (misalnya, anak-anak, berpenghasilan rendah, populasi minoritas, dll.) juga diperlukan untuk menentukan apakah kelompok-kelompok ini berisiko terpapar zat aditif makanan secara berlebihan pada atau di atas ADI, seperti halnya penilaian tentang bagaimana temuan ini dapat dimasukkan ke dalam kebijakan dan praktik klinis untuk memberi informasi dan melindungi kesehatan populasi dan individu dengan lebih baik.

5. Kesimpulan
Tinjauan sistematis ini menghimpun dan meringkas temuan dari 21 studi yang menilai asupan bahan tambahan makanan di berbagai populasi. Meskipun ada tantangan yang terkait dengan pengukuran asupan bahan tambahan makanan, teridentifikasi bahwa di antara kumpulan peserta gabungan yang terdiri dari lebih dari 366.297 individu dari 12 negara berbeda, hanya 2,2% ( n = 3) bahan tambahan makanan yang dinilai ditemukan dikonsumsi di atas ADI. Diperlukan studi lebih lanjut untuk menilai risiko asupan yang terkait dengan efek aditif dan/atau sinergis bahan tambahan makanan, bersama dengan studi tentang populasi rentan yang mungkin mengonsumsi lebih banyak makanan kemasan yang mengandung bahan tambahan, baik secara sukarela maupun sebagai akibat tidak langsung dari kelompok usia dan/atau keadaan hidup mereka.