Findings on dietary patterns in different groups of African origin undergoing nutrition transitionThis is one of a selection of papers published in the CSCN–CSNS 2009 Conference, entitled Can we identify culture-specific healthful dietary patterns among diverse populations undergoing nutrition transition?
Notice bibliographique
Résumé
In population groups undergoing nutrition transition, it is important to identify healthy and culturally relevant dietary patterns that can be promoted as a means of preventing diet-related chronic diseases. Dietary pattern analyses using data-driven methods are useful for the purpose. The central question addressed in this overview paper is whether there are culture-specific healthy eating patterns, or whether healthy diets may be more universal. Our studies on dietary patterns in population groups of African origin living in Canada (Montreal), Europe (Madrid), and West Africa (urban and rural Benin) inform the discussion. Healthy or prudent, as opposed to Western, eating patterns are identified in several cultures, including groups of African origin. It appears that a limited number of foods predict diet quality and health outcomes in various population groups; in particular, fruit and vegetables, fish, whole-grain cereal, and legumes do so on the protective side, and sweets, processed meats, fried foods, fats and oils, and salty snacks do so on the negative side. Further research on dietary patterns and their healthfulness is required in diverse food cultures. In groups of African origin, traditional diets are healthier than the nontraditional dietary patterns that have evolved with globalization, urbanization, or acculturation, although micronutrient intakes need to improve. Additionally, healthy eating patterns are only feasible if access to food is adequate.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».