Cost of inaction on sugar-sweetened beverage consumption: implications for obesity in South Africa
Notice bibliographique
Résumé
OBJECTIVE: To estimate the effect of increased sugar-sweetened beverage (SSB) consumption on future adult obesity prevalence in South Africa in the absence of preventive measures. DESIGN: A model was constructed to simulate the effect of a 2·4 % annual increase in SSB consumption on obesity prevalence. The model computed the change in energy intake assuming a compounding increase in SSB consumption. The population distribution of BMI by age and sex was modelled by fitting measured data from the 2012 South African National Income Dynamics Survey to the log-normal distribution and shifting the mean values. SETTING: Over the past decade the prevalence of obesity and related non-communicable diseases has increased in South Africa, as have the sales and availability of SSB. Soft drink sales in South Africa are projected to grow between 2012 and 2017 at an annual compounded growth rate of 2·4 % in the absence of preventive measures to curb consumption. RESULTS: A 2·4 % annual growth in SSB sales alongside population growth and ageing will result in an additional 1 287 000 obese adults in South Africa by 2017, 22 % of which will be due to increased SSB consumption. CONCLUSIONS: In order to meet the South African target of reducing the number of people who are obese and/or overweight by 10 % by 2020, the country cannot afford to delay implementing effective population-wide interventions. In the face of plans to increase growth of SSB, the country will soon face even greater challenges in overcoming obesity and related non-communicable diseases.
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 | 0,001 | 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 ».