Introducing a Suite of Low-Burden Diet Quality Indicators That Reflect Healthy Diet Patterns at Population Level
Notice bibliographique
Résumé
BACKGROUND: Few low-burden indicators of diet quality exist to track trends over time at low cost and with low technical expertise requirements. OBJECTIVE: The aim was to develop and validate a suite of low-burden indicators to reflect adherence to global dietary recommendations. METHODS: Using nationally representative, cross-sectional, quantitative dietary intake datasets from Brazil and the United States, we tested the association of food-group scores with quantitative consumption aligned with 11 global dietary recommendations. We updated the Healthy Diet Indicator (HDI) to include current quantifiable recommendations of the WHO (HDI-2020). We developed 3 food-group-based scores-an overall Global Dietary Recommendations (GDR) score as an indicator of all 11 recommendations composed of 2 subcomponents: GDR-Healthy, an indicator of the recommendations on "healthy" foods, and GDR-Limit, an indicator of the recommendations on dietary components to limit. We tested associations between these scores and the HDI-2020 and its respective subcomponents. We developed 9 dichotomous food-group-based indicators to reflect adherence to the global recommendations for fruits and vegetables, dietary fiber, free sugars, saturated fat, total fat, legumes, nuts and seeds, whole grains, and processed meats. We conducted receiver operating characteristic and sensitivity-specificity analyses to determine whether the dichotomous indicators were valid to predict adherence to the recommendations in both countries. RESULTS: The GDR score and its subcomponents were moderately to strongly associated with the HDI-2020 and its respective subcomponents (absolute values of rank correlation coefficients ranged from 0.55 to 0.66). Of the 9 dichotomous indicators, 8 largely met the criteria for predicting individual global dietary recommendations in both countries; 1 indicator (total fat) did not perform satisfactorily. CONCLUSIONS: Food-group consumption data can be used to indicate adherence to quantitative global dietary recommendations at population level. These indicators may be used to track progress of countries and populations toward meeting WHO guidance on healthy 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 | 0,011 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».