Perspective: Food Environment Research Priorities for Africa—Lessons from the Africa Food Environment Research Network
Notice bibliographique
Résumé
Over the last 2 decades, many African countries have undergone dietary and nutrition transitions fueled by globalization, rapid urbanization, and development. These changes have altered African food environments and, subsequently, dietary behaviors, including food acquisition and consumption. Dietary patterns associated with the nutrition transition have contributed to Africa's complex burden of malnutrition-obesity and other diet-related noncommunicable diseases (DR-NCDs)-along with persistent food insecurity and undernutrition. Available evidence links unhealthy or obesogenic food environments (including those that market and offer energy-dense, nutrient-poor foods and beverages) with suboptimal diets and associated adverse health outcomes. Elsewhere, governments have responded with policies to improve food environments. However, in Africa, the necessary research and policy action have received insufficient attention. Contextual evidence to motivate, enable, and create supportive food environments in Africa for better population health is urgently needed. In November 2020, the Measurement, Evaluation, Accountability, and Leadership Support for Noncommunicable Diseases Prevention Project (MEALS4NCDs) convened the first Africa Food Environment Research Network Meeting (FERN2020). This 3-d virtual meeting brought researchers from around the world to deliberate on future directions and research priorities related to improving food environments and nutrition across the African continent. The stakeholders shared experiences, best practices, challenges, and opportunities for improving the healthfulness of food environments and related policies in low- and middle-income countries. In this article, we summarize the proceedings and research priorities identified in the meeting to advance the food environment research agenda in Africa, and thus contribute to the promotion of healthier food environments to prevent DR-NCDs, and other forms of malnutrition.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».