Evaluation and prioritisation of actions on food environments to address the double burden of malnutrition in Senegal: perspectives from a national expert panel
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the extent of implementation of public policies aimed at creating healthy eating environments in Senegal compared to international best practice and identity priority actions to address the double burden of malnutrition. DESIGN: The Healthy Food Environment Policy Index (Food-EPI) was used by a local expert panel to assess the level of implementation of forty-three good practice policy and infrastructure support indicators against international best practices using a Likert scale and identify priority actions to address the double burden of malnutrition in Senegal. SETTING: Senegal, West Africa. PARTICIPANTS: =16) participated in the study. RESULTS: Implementation of most indicators aimed at creating healthy eating environments were rated as 'low' compared to best practice (31 on 43, or 72 %). The Gwet AC2 inter-rater reliability was good at 0·75 (95 % CI 0·70, 0·80). In a prioritisation workshop, experts identified forty-five actions, prioritising ten as relatively most feasible and important and relatively most effective to reduce the double burden of malnutrition in Senegal (e.g. develop and implement regional school menus based on local products (expand to fourteen regions) and measure the extent of the promotion of unhealthy foods to children). CONCLUSIONS: Significant efforts remain to be made by Senegal to improve food environments. This project allowed to establish an agenda of priority actions for the government to transform food environments in Senegal to tackle the double burden 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 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 | 0,180 | 0,101 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».