Dietary intake of low-income adults in South Africa: ultra-processed food consumption a cause for concern
Notice bibliographique
Résumé
OBJECTIVE: Given the rapidly changing food environment and proliferation of ultra-processed foods (UPF) in South Africa (SA), this study aimed to critically evaluate dietary quality and adequacy of low-income adults using the Nova classification system and WHO and World Cancer Research Fund dietary guidelines. DESIGN: Secondary household data and 1-d 24-h recalls were analysed from two cross-sectional studies conducted in 2017-2018. Foods consumed were classified according to the Nova classification system. Compliance with WHO dietary guidelines and UPF consumption trends were evaluated. SETTING: Three low-income areas (Langa, Khayalitsha and Mount Frere) in SA were included. PARTICIPANTS: In total, 2521 participants (18-50 years) were included in the study. RESULTS: Participants had a mean energy intake of 7762 kJ/d. Most participants were within the acceptable WHO guideline range for saturated fat (80·4 %), total fat (68·1 %), Na (72·7 %) and free sugar (57·3 %). UPF comprised 39·4 % of diets among the average adult participant. Only 7·0 % of all participants met the WHO guideline for fruit and vegetables and 18·8 % met the guideline for fibre. Those within the highest quartile of share of energy from UPF consumed statistically higher amounts of dietary components to limit and were the highest energy consumers overall. CONCLUSIONS: Low-income adults living in SA are consuming insufficient protective dietary components, while UPF consumption is prevalent. Higher UPF consumers consume larger amounts of nutrients linked to increased chronic disease risk. Policy measures are urgently needed in SA to protect against the proliferation of harmful UPF and to promote and enable consumption of whole and less UPF.
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 ».