Cost Associated with Adherence to the EAT-Lancet Score in Brazil
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVES: Food prices are a crucial factor in food choices, especially for more vulnerable populations. To estimate the association between diet cost and quality, as measured by the EAT-Lancet score, across demographic groups in Brazil. METHODS: Data from the 2017/18 Household Budget Survey were used to calculate the EAT-Lancet score, comprising 14 components. Scores ranged from 0 (low adherence) to 42 (high adherence), with emphasized components (e.g., vegetables, fruits, legumes) and limited components (e.g., red meat, sugar, eggs). Results were stratified by per capita income, geographic region, and area of residence and compared using linear regression adjusted for high and low costs. In addition, the association between the EAT-Lancet score (and its emphasized and limited components) and diet cost (continuous) was analyzed for the total population and for income tertiles. RESULTS: The mean EAT-Lancet score was 18.65 points (range: 7 to 25) and the mean diet cost was BRL$0.65/100 kcal. Total scores showed no significant difference between low- and high-cost diets. However, limited intake was more pronounced in low-cost diets, while high-cost diets featured emphasized foods such as fruits, vegetables, and seafood. High-cost diets also included sugars and red meat, while unsaturated fats scored higher in low-cost diets. Each one-point increase in the EAT-Lancet score was associated with a BRL$0.38 reduction in cost, driven by lower costs in the Limited component, especially among the lowest-income strata (reductions of BRL$1.58 and BRL$1.55 in the lowest income and middle income tertiles, respectively). However, higher scores for emphasized foods increased costs (BRL$0.89) in the lowest tertile. CONCLUSIONS: Higher EAT-Lancet scores were associated with reduced diet costs, likely influenced by the lower Limited component costs in low-income groups. Emphasized foods, however, tended to increase costs, particularly among the lowest-income group. These findings suggest that the role of diet composition plays a significant role in cost differences and underscore the challenges that low-income groups face in accessing affordable, healthy diets.
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 | 0,007 |
| 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 ».