Transitioning to sustainable healthy diets: A model-based and conceptual system thinking approach to optimized sustainable diet concepts in the United States
Notice bibliographique
Résumé
Food production and consumption are essential in human existence, yet they are implicated in the high occurrences of preventable chronic diseases and environmental degradation. Although healthy food may not necessarily be sustainable and vice versa, there is an opportunity to make our food both healthy and sustainable. Attempts have been made to conceptualize how sustainable healthy food may be produced and consumed; however, available data suggest a rise in the prevalence of health-related and negative environmental consequences of our food supply. Thus, the transition from conceptual frameworks to implementing these concepts has not always been effective. This paper explores the relative environmental and health risks associated with highly consumed food groups and develops a methodological workflow for evaluating the sustainability of diet concepts in the context of different health, socio-economic and environmental indicators. In addition, we apply the multi-criteria decision-making techniques (an integrated Analytic Hierarchy Process- Technique for order preference by similarity to ideal solution (AHP-TOPSIS) model) to examine the health and environmental impact of selected sustainable healthy diet concepts implemented in the United States. The principal findings indicate that adopting plant-based diet patterns would benefit the environment and the population's health. However, the up-scale, broad adoption and implementation of these concepts are hindered by critical bottlenecks. Hence we propose potential modification strategies through a conceptual system thinking approach to deliver optimized sustainable diet concepts to aid in the realization of the anticipated benefits of adoption/implementation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».