Assessment of ultra processed foods consumption in Senegal: validation of the Nova-UPF screener
Notice bibliographique
Résumé
BACKGROUND: Ultra-processed foods (UPF), as proposed by the Nova food classification system, are linked to the development of obesity and several non-communicable chronic diseases and deaths from all causes. The Nova-UPF screener developed in Brazil is a simple and quick tool to assess and monitor the consumption of these food products. The aim of this study was to adapt and validate, against the 24-hour dietary recall, this short food-based screener to assess UPF consumption in the Senegalese context. METHODS: The tool adaptation was undertaken using DELPHI methodology with national experts and data from a food market survey. Following the adaptation, sub-categories were renamed, restructured and new ones introduced. The validation study was conducted in the urban area of Dakar in a convenience sample of 301 adults, using as a reference the dietary share of UPF on the day prior to the survey, expressed as a percentage of total energy intake obtained via 24-hour recall. Association between the Nova-UPF score and the dietary share of UPF was evaluated using linear regression models. The Pabak index was used to assess the agreement in participants' classification according to quintiles of Nova-UPF score and quintiles of the dietary share of UPF. RESULTS: The results show a linear and positive association (p-value < 0.001) between intervals of the Nova-UPF score and the average dietary share of UPF. There was a near perfect agreement in the distribution of individuals according to score's quintiles and UPF dietary share quintiles (Pabak index = 0.84). CONCLUSION: The study concluded that the score provided by the Nova-UPF screener adapted to the Senegalese context is a valid estimate of UPF consumption.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».