Association between depression and fruit and vegetable consumption among adults in South Asia
Notice bibliographique
Résumé
BACKGROUND: In recent years there has been a growing research interest regarding the impact of dietary behaviour on mental health outcomes. The present study aimed to investigate the association between fruit and vegetable (F&V) consumption and depression in three south Asian countries- Bangladesh, India and Nepal. METHODS: Cross-sectional data were obtained from World Health Survey of WHO conducted during 2002-04. In total 14,133 adult subjects (Bangladesh 3262, India 7594, Nepal 3277) aged 18 years and above were included in the study. Outcome variables were Self-Reported Depression (SRD) during last 30 days and 12 months. Multivariable regression methods were used to explore the association between F&V consumption and depression. RESULTS: Prevalence of Self-Reported Depression during past 12 months were respectively 39%, 17.7%, and 49.9% for Bangladesh, India and Nepal. In India, those who consumed less than five servings of vegetables were respectively 41% [AOR = 1.41; 95%CI = 0.60-3.33] and 57% [AOR = 1.57; 95%CI = 0.93-2.64] more likely to report severe-extreme and mild-moderate depression during past 30 days compared to those who consumed five servings a day. Regarding fruit consumption, compared to those who consumed five servings a day, the odds of severe-extreme and mild-moderate SRD were respectively 3.5 times [AOR = 3.48; 95%CI = 1.216-10.01] and 45% [AOR = 1.44; 95%CI = 0.89-2.32] higher in Bangladesh, and 2.9 times [AOR = 2.92; 95%CI = 1.12-7.64] and 42% higher [AOR = 1.41; 95%CI = 0.89-2.24] in Nepal compared to those who consumed less than five servings a day during last 30 days. CONCLUSION: Daily intake of less than five servings of F&V was associated with higher odds of depression. Nutrition programs aimed at promoting F&V consumption might prove beneficial to reduce the prevalence of depression in south Asian population. Further studies are required to understand the factors limiting the adequate consumption of F&V.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».