Measuring and Forecasting the Healthy Eating Index in Iran: 1991–2027
Notice bibliographique
Résumé
Introduction: Compliance with food-based dietary guidelines, as measured by the Healthy Eating Index (HEI-2015), and an enhancement in its score have been linked to a reduction in mortality risk and the prevalence of chronic diseases. The objective of this study was to compute and scrutinize the HEI for Iran over the preceding 30 years and to project the anticipated index for the forthcoming 7 years. Material and Methods: This research is a repeated cross-sectional study on 665254 Household. Through the application of an array of statistical and nutritional methodologies, we have successfully transformed the Household Income-Expenditure Survey (HIES) questionnaire data, spanning from 1991 to 2020 for the Iranian population, into meaningful household food consumption data. The data analysis was executed using STATA v.17. Results: We found a growing trend in HEIs until 2017, which dropped sharply in the following years. The average HEI at the national level was estimated to be 48.39 ± 10.25 over 30 years. The lowest and highest indices were in Sistan and Baluchistan Province (41.23 ± 7.56) and Qom Province (57.73 ± 11.27). The highest average energy intake was in the year 2005 (2695.33 ± 808.31 Kcal). Conclusion: The utilization of HIES data in this study serves as a proxy for household consumption values. We observed a commendable trend in the HEI up until 2017. However, post 2018, the trend exhibited a decline, potentially attributable to multiple factors. We strongly recommend a regular and strategic review of food and nutrition policies, particularly during crises, to circumvent undesirable outcomes.
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 | 0,003 | 0,002 |
| 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 | 0,001 |
| 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 ».