Étude des impacts de la pandémie COVID-19 sur les habitudes alimentaires des Québécois
Bibliographic record
Abstract
La situation de pandémie COVID-19 et les mesures sanitaires qui en découlent ont grandement affecté la population québécoise depuis mars 2020. Plusieurs sphères de la vie des Québécois ont été bouleversées, incluant leurs habitudes alimentaires. Plusieurs études ont évalué les impacts à court terme, soit pendant la première période de confinement, de la pandémie COVID-19 sur l'alimentation. Généralement, une amélioration de la qualité alimentaire semble être observée par la majorité des études. Toutefois, les impacts à plus long terme de la pandémie sur l'alimentation sont peu étudiés. De plus, les seules études disponibles sur le sujet fournissent des données limitées par le fait qu'elles ont été obtenues de manière rétrospective et qu'elles sont basées sur des perceptions de changement. Il s'avère essentiel de documenter les impacts à plus long terme de la pandémie afin de mieux comprendre et de mieux agir sur les comportements individuels, sociaux et environnementaux qui influencent les choix alimentaires de la population dans ce contexte sanitaire inédit et dans de futurs contextes similaires. L'objectif de ce projet de maitrise est d'évaluer les impacts de la pandémie COVID-19 et des mesures sanitaires qui y en découlent sur les habitudes alimentaires au Québec. Plus spécifiquement, nous documenterons les changements dans la qualité de l'alimentation telle que mesurée par le Healthy Eating Food Index (HEFI)-2019 dans un échantillon de plus de 4000 Québécois participant au projet NutriQuébec entre juin 2019 et février 2022. Les changements dans la consommation de certaines catégories d'aliments comme les légumes et fruits, les produits à grains entiers, et les aliments ne faisant pas partie des catégories recommandées dans le Guide alimentaire canadien 2019 seront également documentés. Les résultats montrent que dans cette population, le score HEFI-2019 moyen avant la pandémie, c'est-à-dire avant le 12 mars 2020, était de 48,3 (IC (intervalle de confiance) à 95% 46,8 à 49,8) sur un maximum de 80 points. Le score HEFI-2019 moyen est resté inchangé durant la première année de la pandémie (mars 2020 à février 2021), mais a diminué de 1,4 point (IC à 95% -2,4 à -0,4) au cours de la deuxième année de la pandémie (mars 2021 à février 2022). La légère diminution du score HEFI-2019 au cours de la deuxième année de la pandémie a été observée en raison des changements dans les scores des composantes des légumes et fruits (-0,5 point; IC 95% -1,0 à -0,1), des aliments protéinés (-0,1 point; IC 95% -0,2 à -0,0) et du sodium (-0,3 point; IC 95% -0,6 à 0,0). Malgré une faible diminution de la qualité alimentaire, la pandémie COVID-19 apparait comme un nouvel obstacle à une saine alimentation.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".