MétaCan
Menu
Retour à la cohorte
Enregistrement W2614561258 · doi:10.1186/s12889-017-4383-8

Socioeconomic status and dietary patterns in children from around the world: different associations by levels of country human development?

2017· article· en· W2614561258 sur OpenAlexaffabout
Taru Manyanga, Mark S. Tremblay, Jean‐Philippe Chaput, Peter T. Katzmarzyk, Mikael Fogelholm, Gang Hu, Rebecca Kuriyan, Anura V. Kurpad, Estelle V. Lambert, Carol Maher, José Maia, Victor Keihan Rodrigues Matsudo, Tim Olds, Vincent Onywera, Olga L. Sarmiento, Martyn Standage, Catrine Tudor‐Locke, Pei Zhao, Vera Mikkilä, Stephanie T. Broyles

Notice bibliographique

RevueBMC Public Health · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensChildren's Hospital of Eastern Ontario
Organismes subventionnairesMedical Research CouncilUniversity of California, San DiegoUniversità degli Studi di VeronaWake Forest UniversityUniversidade do PortoUniversity of BathUniversity of South AustraliaTeesside UniversityCoca-Cola FoundationCenters for Disease Control and PreventionHelsingin YliopistoUniversity of Cape TownCoca-Cola
Mots-clésBiostatisticsSocioeconomic statusMedicinePublic healthDemographyEnvironmental healthMultilevel modelCross-sectional studyPopulation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although 'unhealthy' diet is a well-known risk factor for non-communicable diseases, its relationship with socio-economic status (SES) has not been fully investigated. Moreover, the available research has largely been conducted in countries at high levels of human development. This is the first study to examine relationships among dietary patterns and SES of children from countries spanning a wide range of human development. METHODS: This was a multinational cross-sectional study among 9-11 year-old children (n = 6808) from urban/peri-urban sites across 12 countries. Self-reported food frequency questionnaires were used to determine the children's dietary patterns. Principal Components Analysis was employed to create two component scores representing 'unhealthy' and 'healthy' dietary patterns. Multilevel models accounting for clustering at the school and site level were used to examine the relationships among dietary patterns and SES. RESULTS: The mean age of participants in this study (53.7% girls) was 10.4 years. Largest proportions of total variance in dietary patterns occurred at the individual, site, and school levels (individual, school, site: 62.8%; 10.8%; 26.4% for unhealthy diet pattern (UDP) and 88.9%; 3.7%; 7.4%) for healthy diet pattern (HDP) respectively. There were significant negative 'unhealthy' diet-SES gradients in 7 countries and positive 'healthy' diet-SES gradients in 5. Within country diet-SES gradients did not significantly differ by HDI. Compared to participants in the highest SES groups, unhealthy diet pattern scores were significantly higher among those in the lowest within-country SES groups in 8 countries: odds ratios for Australia (2.69; 95% CI: 1.33-5.42), Canada (4.09; 95% CI: 2.02-8.27), Finland (2.82; 95% CI: 1.27-6.22), USA (4.31; 95% CI: 2.20-8.45), Portugal (2.09; 95% CI: 1.06-4.11), South Africa (2.77; 95% CI: 1.22-6.28), India (1.88; 95% CI: 1.12-3.15) and Kenya (3.35; 95% CI: 1.91-5.87). CONCLUSIONS: This study provides evidence of diet-SES gradients across all levels of human development and that lower within-country SES is strongly related to unhealthy dietary patterns. Consistency in within-country diet-SES gradients suggest that interventions and public health strategies aimed at improving dietary patterns among children may be similarly employed globally. However, future studies should seek to replicate these findings in more representative samples extended to more rural representation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,339
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations79
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetNutritional Studies and DietTravaux en français237 207