Regional variations in Mediterranean diet adherence: a sociodemographic and lifestyle analysis across Mediterranean and non-Mediterranean regions within the MEDIET4ALL project
Notice bibliographique
Résumé
Introduction: The Mediterranean diet (MedDiet) is acknowledged for its health advantages; however, compliance with its principles differs by region and is influenced by geographical, cultural, economic, and life-style factors. This research examines regional differences in sociodemographic and lifestyle factors between Mediterranean (MC) and non-Mediterranean (NMC) countries, with a particular focus on adherence to the Mediterranean diet and lifestyle, as well as the associated barriers in each region. Methods: The MEDIET4ALL international survey was conducted across 10 countries, and data were collected from 4,010 participants. Dietary adherence was assessed via the MedLife Index, and additional lifestyle measures included physical activity (IPAQ-SF), sleep patterns (PSQI), mental health (DASS-21), and social participation (SSPQL). Statistical analyses included chi-square tests, Mann-Whitney U tests, and standardized residual analyses to identify significant regional variations. Results: The study revealed distinct dietary patterns, with MC participants showing stronger adherence to traditional MedDiet components (legumes, fish) while NMC participants favored modern adaptations (whole grains). Both regions exhibited low physical activities dominance (60%-62%), although MC participants engaged more (21.1% vs. 18.5%) in moderate physical activity. MC maintained higher proportions of "sometimes socially active" individuals, NMC showed greater representation in the "always socially active" category. Sleep quality was poorer in MC (45% below recommended duration vs. 40% in NMC), while NMC reported higher insomnia rates. Mental health symptoms were comparable (33%-35% moderate depression/anxiety in both), reflecting post-pandemic global trends. Barriers differed regionally with MC faced economic/access constraints while NMC struggled with knowledge gaps and time limitations. Conclusion: Our findings highlight that while Mediterranean regions maintain traditional dietary patterns, globalization and modern lifestyle shifts are narrowing regional health behaviors. Public health strategies should address region-specific barriers, including economic constraints in MC regions and knowledge gaps in NMC regions, while promoting MedDiet adherence. Future research should explore the impact of cultural, socio-economic, and digital factors on dietary behaviors and mental health to develop tailored, effective interventions for improving overall well-being.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».