Dietary risk factors for non-communicable diseases in Kenya: findings of the STEPS survey, 2015
Notice bibliographique
Résumé
BACKGROUND: Burden of non-communicable diseases (NCD) is increasing worldwide. Risk factor surveillance informs public health interventions in NCD control. This study describes the dietary risk factors for NCD found in the Kenya STEPS survey, 2015. METHODS: We performed secondary analysis of the STEPS dataset to determine prevalence of dietary NCD risk factors and their determinants. New variables were created; high dietary salt, defined as addition of salt while eating or intake of processed foods high in salt and high dietary sugar, defined as intake of processed foods or drinks high in sugar in most meals or addition of sugar to beverages already with sugar, on a daily basis. We used the World Health Organization definition of minimum required intake of fruits and vegetables as consumption of less than five servings of fruits and vegetables per day. Perceptions of respondents on diet and health were also assessed. Accounting for complex survey sampling, we calculated prevalence of the various dietary modifiable determinants and adjusted odds ratios (AOR) to identify factors independently associated with dietary NCD risk factors. RESULTS: Of the 4484 individuals surveyed; mean age was 40.5 years (39.9-41.1 years), 60% were female. Prevalence of high reported dietary salt intake was 18.3% (95% CI 17.2%, 19.5%) and sugar 13.7% (95% CI 11.7-15.8%). Awareness of health risk from dietary salt was 88% and 91% for dietary sugar. Approximately 56% of the respondents were implementing strategies to reduce dietary salt and 54% were doing the same for dietary sugar. Only 6.0% (95% CI 4.3-7.6%) of the respondents reported intake of a minimum of five servings of both fruits and vegetables daily. Unhealthy diet was associated with being male (AOR 1.33, 95% CI 1.04, 1.70,), age below 46 years (AOR 1.78, 95% CI 1.42, 2.12) and being a student (AOR 15.6, 95% CI 2.44, 99.39). CONCLUSION: Dietary risk communication should be targeted to males and people under 45 years of age, especially students. Further research is necessary to understand the knowledge: practice mismatch on unhealthy diets.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».