Trends in Diet, Nutritional Status, and Diet-related Noncommunicable Diseases in China and India: The Economic Costs of the Nutrition Transition
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Undernutrition is being rapidly reduced in India and China. In both countries the diet is shifting toward higher fat and lower carbohydrate content. Distinct features are high intakes of foods from animal sources and edible oils in China, and high intakes of dairy and added sugar in India. The proportion of overweight is increasing very rapidly in China among all adults; in India the shift is most pronounced among urban residents and high-income rural residents. Hypertension and stroke are relatively higher in China and adult-onset diabetes is relatively higher in India. Established economic techniques were used to measure and project the costs of undernutrition and diet-related noncommunicable diseases in 1995 and 2025. Current WHO mortality projections of diet-related noncommunicable diseases, dietary and body composition survey data, and national data sets of hospital costs for healthcare, are used for the economic analyses. In 1995, China's costs of undernutrition and costs of diet-related noncommunicable diseases were of similar magnitude, but there will be a rapid increase in the costs and prevalence of diet-related noncommunicable diseases by 2025. By contrast with China, India's costs of undernutrition will continue to decline, but undernutrition costs did surpass overnutrition diet-related noncommunicable disease costs in 1995. India's rapid increase in diet-related noncommunicable diseases and their costs projects similar economic costs of undernutrition and overnutrition by 2025.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| 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 | 0,000 | 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 découle