The burden of dietary risk factors in the Nordic and Baltic countries: a systematic analysis for the Global Burden of Disease Study 2023
Notice bibliographique
Résumé
Background: Detailed knowledge about the disease burden from unhealthy diet in Nordic and Baltic countries is lacking. This study quantifies and compares deaths and disability-adjusted life-years (DALYs) from dietary risks in these countries. Methods: Data from the Global Burden of Disease study 2023 (GBD 2023) was used. Attributable disease burden from 15 dietary risks was analysed using the comparative risk assessment framework. Steps included: (1) estimating dietary intake; (2) assessing relative risks of dietary factors on disease endpoints; (3) determining theoretical minimum risk exposure levels (TMREL); and (4) estimating dietary risk-attributable disease burden as numbers and age-standardised rates (ASR) of deaths and DALYs. Findings: Across the Nordic and Baltic countries (total population = 34,064,020), dietary risks resulted in 38,450 attributed deaths (95% uncertainty interval 10,749-59,386) and 735,284 DALYs (242,417-1,06,638) in 2023. Leading dietary risks included high intake of processed meat and low intake of fruits and whole grains. Dietary risks accounted for 24.9% of cardiovascular disease burden (5.0-37.6), 29.6% of diabetes and kidney disease burden (18.6-40.0), and 7.8% of neoplasm burden (2.9-12.1), with higher burden in the Baltic countries and Greenland than in the Nordic countries. Interpretation: A substantial disease burden can be attributed to dietary risks in the Nordic and Baltic countries. Knowledge about the impact from unhealthy diet can inform targeted public health policies. Funding: Gates Foundation and Norwegian Institute of Public Health.
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 | 0,012 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,010 |
| Bibliométrie | 0,008 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».