Patterns, socioeconomic inequalities and determinants of healthy eating in Kenya: results from a national cross-sectional survey
Notice bibliographique
Résumé
OBJECTIVE: The burden of non-communicable diseases is rising in low-and-middle-income countries, with diet being a key risk factor. This study aimed to assess the patterns, socioeconomic inequalities and determinants of eating healthy in Kenya. The study is the first in Kenya to use a healthy diet index to assess dietary patterns. DESIGN AND METHODS: We analysed cross-sectional data from the 2015/16 Kenya Integrated Household Budget Survey. The study's outcome variable was a continuous healthy diet index (HDI) constructed using principal component analysis from nine WHO/Food and Agriculture Organization (FAO) healthy diet recommendations. The HDI score and WHO/FAO healthy diet recommendations met were summarised for Kenyan households. Using the concentration index, we examined the socioeconomic disparities in healthy eating. In addition, multivariable linear regression was used to determine factors that influence healthy eating in Kenya. RESULTS: A total of 21 512 households in Kenya were included, of which 60% were rural and about two-thirds headed by males. The HDI score ranged between -1.13 and 1.70, with a higher value indicating healthier eating. Overall, the average HDI score was 0.24 (95% CI: 0.24 to 0.25), interpreted as moderate. We identified key determinants including socioeconomic status and urban-rural residency differences. Healthy eating was concentrated among higher socioeconomic households, regardless of gender or location. Higher socioeconomic status (β=0.28, 95% CI 0.26 to 0.30), rural residence (β=0.18, 95% CI 0.15 to 0.20), household head being in union (β=0.04, 95% CI 0.02 to 0.06) or employed (β=0.05, 95% CI 0.02 to 0.08) were significantly associated with increased HDI scores, whereas male-headed households and lack of education were associated with significant decreases in HDI scores on average. CONCLUSIONS: Most Kenyan households do not meet all the healthy dietary recommendations, and socioeconomic inequalities exist in eating healthy. Targeted interventions that promote healthy eating based on key determinants in Kenya are required.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».