Economic Burden of Not Complying with Canadian Food Recommendations in 2018
Notice bibliographique
Résumé
Poor diet has been identified as a major cause of chronic disease. In this study we estimated the 2018 economic burden of chronic disease attributable to not complying with Canadian food recommendations. We retrieved the chronic disease risk estimates for intakes of both protective (fruit, vegetables, milk, whole grains, nuts and seeds) and harmful foods (sugar-sweetened beverages, processed meat, red meat) from the Global Burden of Disease Study, and food intakes from the 2015 Canadian Community Health Survey 24-hour dietary recalls (n = 19,797). Population attributable fractions (PAFs) were calculated for all food–chronic disease combinations, and mathematically adjusted to estimate the 2018 annual direct (hospital, physician, drug) and indirect (human capital approach) economic burden for each disease. Not meeting the eight food recommendations was estimated to be responsible for CAD$15.8 billion/year in direct (CAD$5.9 billion) and indirect (CAD$9.9 billion) costs. The economic burden of Canadians under-consuming healthful foods exceeded the burden of overconsumption of harmful foods (CAD$12.5 billion vs. CAD$3.3 billion). Our findings suggest poor diet represents a substantial economic burden in Canada. Interventions may be more effective if they are wide in focus and promote decreased consumption of harmful foods alongside increased consumption of healthful foods, with emphasis on whole grains and nuts and seeds.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».