Energy-Dense and Low-Fiber Dietary Pattern May Explain the Increasing Obesity Prevalence in Adults in Brazil: An Analysis of the 2017–2018 National Dietary Survey
Notice bibliographique
Résumé
Hybrid methods are a suitable option to extract dietary patterns associated with health outcomes. This study aimed to identify dietary patterns of Brazilian adults (20-59 years old; n=28,153) related to dietary components associated with the risk of obesity. Data from the 2017-2018 Brazilian National Dietary Survey were analyzed. Food consumption was obtained through 24-hour recall. Dietary patterns were extracted using partial least squares regression. The selected response variables were energy density (ED), percentage of total fat (%TF), and fiber density (FD). In addition, 32 food groups were established as predictor variables. The first dietary pattern, named as energy-dense and low-fiber (ED-LF), included with positive factor loadings: solid fats, breads, added-sugar beverages, fast foods, sauces, pasta, and cheeses, and with negative factor loadings: rice, beans, vegetables, water, and fruits. Higher adherence to the ED-LF dietary pattern was observed for individuals >40 years old, from urban areas, in the highest income level, who were not on a diet, reporting away-from-home food consumption, and having ≥1 snack/day. Eating patterns with similar characteristics are often associated with an increased risk of obesity. The results are consistent with recommendations to increase the consumption of fresh foods and to reduce ultra-processed products.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».