Trends in Added Sugars Intake and Sources Among US Children, Adolescents, and Teens Using NHANES 2001–2018
Notice bibliographique
Résumé
BACKGROUND: Over the past 2 decades, there has been an increased emphasis on added sugars intake in the Dietary Guidelines for Americans (DGA), which has been accompanied by policies and interventions aimed at reducing intake, particularly among children, adolescents, and teens. OBJECTIVES: The present study provides a comprehensive time-trends analysis of added sugars intakes and contributing sources in the diets of US children, adolescents, and teens (2-18 years) from 2001-2018, focusing on variations according to sociodemographic factors (age, sex, race and ethnicity, income), food assistance, and health-related factors (physical activity level, body weight status). METHODS: Data from 9 consecutive 2-year cycles of the NHANES were combined and regression analyses were conducted to test for trends in added sugars intake and sources from 2001-2018 for the overall age group (2-18 years) and for 2 age subgroups (2-8 and 9-18 years). Trends were also examined on subsamples stratified by sex, race and ethnicity (Hispanic, non-Hispanic Asian, non-Hispanic Black, non-Hispanic White), income (household poverty income ratio), food assistance, physical activity level, and body weight status. RESULTS: From 2001-2018, added sugars intakes decreased significantly (P < 0.01), from 15.6% to 12.6% kcal among children (2-8 years) and from 18.4% to 14.3% kcal among adolescents and teens (9-18 years), mainly due to significant declines in added sugars from sweetened beverages, which remained the top source. Declines in added sugars intakes were observed for all strata, albeit to varying degrees. CONCLUSIONS: Declines in added sugars intakes were observed among children, adolescents, and teens from 2001-2018, regardless of sociodemographic factors, food assistance, physical activity level, or body weight status, but variations in the magnitudes of decline suggest persistent disparities related to race and ethnicity and to income. Despite these declines, intakes remain above the DGA recommendation; thus, continued monitoring is warranted.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».