Food price trends during the COVID-19 pandemic in Brazil
Notice bibliographique
Résumé
The present study aims to analyze the trends in food price in Brazil with emphasis on the period of the Covid-19 pandemic (from March 2020 to March 2022). Data from the Brazilian Household Budget Survey and the National System of Consumer Price Indexes were used as input to create a novel data set containing monthly prices (R$/Kg) for the foods and beverages most consumed in the country between January 2018 and March 2022. All food items were divided according to the Nova food classification system. We estimated the mean price of each food group for each year of study and the entire period. The monthly price of each group was plotted to analyze changes from January 2018 to March 2022. Fractional polynomial models were used to synthesize price changes up to 2025. Results of the present study showed that in Brazil unprocessed or minimally processed foods and processed culinary ingredients were more affordable than processed and ultra-processed foods. However, trend analyses suggested the reversal of the pricing pattern. The anticipated changes in the prices of minimally processed food relative to ultra-processed food, initially forecasted for Brazil, seem to reflect the impact of the Covid-19 pandemic on the global economy. These results are concerning as the increase in the price of healthy foods aggravates food and nutrition insecurity in Brazil. Additionally, this trend encourages the replacement of traditional meals for the consumption of unhealthy foods, increasing a health risk to the population.
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 | 0,000 | 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 ».