Global dietary quality in 185 countries from 1990 to 2018 show wide differences by nation, age, education, and urbanicity
Notice bibliographique
Résumé
Evidence on what people eat globally is limited in scope and rigour, especially as it relates to children and adolescents. This impairs target setting and investment in evidence-based actions to support healthy sustainable diets. Here we quantified global, regional and national dietary patterns among children and adults, by age group, sex, education and urbanicity, across 185 countries between 1990 and 2018, on the basis of data from the Global Dietary Database project. Our primary measure was the Alternative Healthy Eating Index, a validated score of diet quality; Dietary Approaches to Stop Hypertension and Mediterranean Diet Score patterns were secondarily assessed. Dietary quality is generally modest worldwide. In 2018, the mean global Alternative Healthy Eating Index score was 40.3, ranging from 0 (least healthy) to 100 (most healthy), with regional means ranging from 30.3 in Latin America and the Caribbean to 45.7 in South Asia. Scores among children versus adults were generally similar across regions, except in Central/Eastern Europe and Central Asia, high-income countries, and the Middle East and Northern Africa, where children had lower diet quality. Globally, diet quality scores were higher among women versus men, and more versus less educated individuals. Diet quality increased modestly between 1990 and 2018 globally and in all world regions except in South Asia and Sub-Saharan Africa, where it did not improve.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».