The effect of climatic factors on nutrients in foods: evidence from a systematic map
Notice bibliographique
Résumé
Abstract Climate change is projected to negatively affect human health and nutrition. There is a growing literature on the effects of climatic changes on food availability, quantity, and agricultural production, but impacts on the nutritional content of foods has not been widely studied. The aim of this paper is to systematically characterise empirical literature exploring the effects of climatic drivers on macronutrients and micronutrients in foods causing malnutrition globally. 69 peer-reviewed empirical articles (excluding experimental and modelling studies) analysing the effect of climatic drivers on nutrients in foods were retrieved from Web of Science TM , Scopus ® and PubMed ® databases (2013–2019). Publication frequency and trends, and existing evidence of the extent of nutrient change associated with variation in climate-related conditions were assessed. There is relatively limited literature on associations between climate and nutrients in foods. Where it exists, only crude proxies of climate (e.g. wet/dry season) are used, with limited interrogation of the potential causal mechanisms linking climate to nutrient content. 98% of the articles showed a change in nutrient content in relation to a seasonal or meteorological variable. Most analysed the association of nutrient changes between seasons over 1–2 years, rarely over longer periods of time. Preliminary descriptive estimates point to variation in nutrient content by meteorological variability, particularly in ocean and freshwater food sources. Robust assessment of potential climate impacts on nutrient content of foods would benefit from more precise estimation of specific causal pathways and variables that mediate climate impacts on food, going beyond seasonal or crude proxies. There is need for clear articulation of how climate change might impact nutrient content given mechanisms linking meteorological and seasonal variation with nutrients. This research highlights emerging evidence that climate change may have impacts beyond agricultural productivity by affecting food nutrient content, an understudied but potentially important pathway for climate impact on global food and nutrition security.
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 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».