Changes in Nutrient and Food Consumption Over Time in Populations Around the World
Notice bibliographique
Résumé
Background: Comprehensive assessments of diet trends are warranted as changes have implications for non-communicable diseases and malnutrition. This thesis aimed to estimate and compare changes in energy, macronutrients, and foods, over the long term (1950-2019) and short term (2007-2022). Methods: A systematic review and meta-analysis examined changes in energy, macronutrients, and foods per decade from 1950-2019 by geographic and income regions using linear mixed-effects models. In sixteen low-, middle-, and high-income countries participating in the Prospective Urban Rural Epidemiology (PURE) Study, changes in foods were assessed (2007-2022) using mixed-effect models. In a small methodological project, we used correlation coefficients to compare trends in food supply data to dietary changes collected using individual-level diet assessments. Results: Findings from the systematic review and meta-analysis show a pattern of decreased carbohydrate and increased fat intakes in Asia; the opposite was found in North America. In Europe, fat consumption decreased, but little change was found in carbohydrate intake. By the end of the covered time period (in the 2000s), fruit, vegetable, nut, and legume intakes were below recommended intakes in most regions. In the PURE cohort, dietary changes were modest. In low-income countries, milk, chicken, fish, and fruit intakes increased, with little change to vegetable intake. Fruit decreased in high- and middle-income countries, and vegetables decreased in most regions. Food supply data overestimated individual-level intakes, especially in higher-income countries. Diet changes estimated from supply data corresponded with changes from individual-level assessments for macronutrients, but not energy intake. Conclusions: Based on our systematic review, consumption of fruits and vegetables, nuts, and legumes remain below recommendations in most world regions. Similarly, in PURE, consumption of fruits and vegetables has not improved in most regions in recent years (i.e., 2007-2022). This work helps to identify targets for nutritional policies and interventions in different world regions.
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 | 0,008 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 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 ».