Higher imported food patterns are associated with obesity and severe obesity in Tuvalu: A latent class analysis
Notice bibliographique
Résumé
Tuvalu is a Pacific Island country within the small island developing states that has observed a significant and alarming increase in obesity rates over the past 40 years, affecting ∼60 %-70 % of the current population.This study aimed to investigate the association between food patterns and the proportion of obesity in a Pacific Island country.The 2022 COMmunity-based Behavior and Attitude survey in Tuvalu (COMBAT) included 985 adults with complete data on sociodemographic information and the frequency of consumption of 25 common foods. A latent class analysis determined 4 food patterns. Bayesian multilevel logistic and linear regression models estimated the association between food patterns and the proportion of obesity [body mass index (BMI) ≥30 kg/m2], severe obesity (BMI ≥40 kg/m2), and weight (kg), adjusting for potential confounders and accounting for clustering by region.The latent class analysis revealed 4 food patterns with an entropy of 0.94 and an average posterior probability of class assignment for each individual of 0.97, described as follows: 1) local: locally produced foods with moderate food diversity (proportion of individuals = 28 %); 2) diverse-local: local with greater food diversity (17 %); 3) restricted-imported: more imported with restricted diversity (29 %); and 4) imported: heavily imported with high diversity (26 %). Compared to those following the diverse-local pattern, the odds of having obesity were greater for those classified with the imported pattern [odds ratio (OR): 2.52; 95 % credible interval (CrI): 1.59, 3.99], restricted-imported pattern (OR: 1.89; 95 % CrI: 1.59, 3.99), and local pattern (OR: 1.54; 95 % CrI: 0.94, 2.50). Similar trends were observed for severe obesity while body weight was positively associated with both restricted-imported and imported food patterns.The high consumption of imported foods, together with the low consumption of plant-based foods and protein-rich foods, could be a relevant modifiable lifestyle factor explaining the high levels of obesity and severe obesity in Tuvalu, a Pacific Island country.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».