MétaCan
Menu
Retour à la cohorte
Enregistrement W4213223431 · doi:10.21203/rs.3.rs-829020/v1

Patterns and determinants of eating healthy in Kenya

2021· preprint· en· W4213223431 sur OpenAlexfundno aff
Elvis Omondi Achach Wambiya, Lyagamula Kisia, Jane Osindo, Isaac Kisiangani, Samuel Kipruto, Patrick G. Ilboudo, Hermann Pythagore Pierre Donfouet, Shukri F. Mohamed

Notice bibliographique

RevueResearch Square · 2021
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Public Health Policies and Epidemiology
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésKenyaPsychological interventionSocioeconomic statusEnvironmental healthResidenceMedicineBody mass indexAnthropometryDemographyHealthy eatingRural areaGerontologyCross-sectional studyPopulationPhysical activityBiologyPhysical therapy

Résumé

récupéré en direct d'OpenAlex

Abstract Background The burden of non-communicable diseases (NCDs) is rising in low-and-middle-income countries (LMICs) with diet being a key risk factor. Policies to tackle diet-related NCDs require a broader understanding of patterns and drivers of healthy eating to inform interventions. This study assessed the patterns and determinants of eating healthy in Kenya. Methods This study used cross-sectional data from the 2015/16 Kenya Integrated Household Budget Survey (KIHBS). The outcome variable for this study was a continuous healthy diet index (HDI) developed using nine WHO/FAO healthy diet recommendations through principal component analysis (PCA), as a measure of eating healthy. The HDI score and the proportion of Kenyan households meeting WHO/ FAO healthy diet recommendations for the nine dietary components were summarized by gender of the household head, residence, and socioeconomic status. Multivariable linear regression was used to assess determinants of eating healthy in Kenya. Crude and adjusted marginal effects and 95% CI were used to assess the strength of association. Results A total of 21,512 households in Kenya were included in the sample of which 60% were rural and about two thirds headed by males. The HDI index ranged from − 1.13 to 1.70, with a higher score indicating healthier eating. The mean HDI score in Kenya was 0.24, which was considered moderate, with urban residents having a higher score (0.25) than rural residents (0.23). No Kenyan household met all the nine healthy diet recommendations with majority (84%) meeting four or less. Healthy eating was associated with higher socioeconomic status (0.28, 95% CI 0.27–0.30), living in a rural area (0.16, 95% CI 0.14–0.19), having children under five years (0.02, 95% CI 0.01–0.03) in the household, and the household head being female, having education, being employed or in union. Conclusion In conclusion, the majority of Kenyan households do not meet all the healthy dietary recommendations. Furthermore, eating healthy is associated with higher socioeconomic status, living in a rural area, having children under 5 years in the household, and the household head having education, being in employment and in union. The findings from this study can be used to inform policies that promote healthy eating and the prevention of diet-related NCDs among the Kenyan population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,120
Tête enseignante GPT0,441
Écart entre enseignants0,321 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetGlobal Public Health Policies and EpidemiologyTravaux en français237 207