Blog

Oct 06, 2023

La qualité alimentaire mondiale dans 185 pays de 1990 à 2018 montre de grandes différences selon la nation, l'âge, l'éducation et l'urbanité

Nature Nourriture tome 3, pages

Nature Food volume 3, pages 694–702 (2022)Citer cet article

28 000 accès

8 Citations

611 Altmétrique

Détails des métriques

Une correction de l'auteur à cet article a été publiée le 24 janvier 2023

Cet article a été mis à jour

Les preuves sur ce que les gens mangent dans le monde ont une portée et une rigueur limitées, en particulier en ce qui concerne les enfants et les adolescents. Cela nuit à la définition d'objectifs et à l'investissement dans des actions fondées sur des données probantes pour soutenir des régimes alimentaires sains et durables. Ici, nous avons quantifié les modèles alimentaires mondiaux, régionaux et nationaux chez les enfants et les adultes, par groupe d'âge, sexe, éducation et urbanité, dans 185 pays entre 1990 et 2018, sur la base des données du projet Global Dietary Database. Notre principale mesure était l'Alternative Healthy Eating Index, un score validé de la qualité de l'alimentation ; Les approches diététiques pour arrêter l'hypertension et les schémas de score du régime méditerranéen ont été évalués en second lieu. La qualité de l'alimentation est généralement modeste dans le monde. En 2018, le score moyen mondial de l'Indice d'alimentation alternative saine était de 40,3, allant de 0 (le moins sain) à 100 (le plus sain), avec des moyennes régionales allant de 30,3 en Amérique latine et dans les Caraïbes à 45,7 en Asie du Sud. Les scores des enfants par rapport aux adultes étaient généralement similaires dans toutes les régions, sauf en Europe centrale/orientale et en Asie centrale, dans les pays à revenu élevé, et au Moyen-Orient et en Afrique du Nord, où les enfants avaient une alimentation de moindre qualité. À l'échelle mondiale, les scores de qualité de l'alimentation étaient plus élevés chez les femmes que chez les hommes, et plus chez les personnes moins éduquées. La qualité du régime alimentaire a légèrement augmenté entre 1990 et 2018 dans le monde et dans toutes les régions du monde, sauf en Asie du Sud et en Afrique subsaharienne, où elle ne s'est pas améliorée.

Une mauvaise alimentation est l'une des principales causes de maladie dans le monde, responsable d'environ 26 % de la mortalité évitable dans le monde1,2,3,4. Bien que les aliments et les nutriments individuels soient importants, les habitudes alimentaires globales sont plus fortement associées à la santé5. Les preuves confirment les relations interactives et synergiques entre les aliments et les nutriments lorsqu'ils sont consommés ensemble6, ce qui entraîne des effets complémentaires5. Bien que les diverses composantes d'un régime alimentaire optimal soient bien établies et validées7, les distributions de ces régimes à l'échelle mondiale ne sont pas bien caractérisées. Cela est particulièrement vrai pour les enfants et les adolescents, parmi lesquels les schémas alimentaires mondiaux n'ont pas été signalés auparavant.

Les études alimentaires précédentes se limitaient à de petits sous-ensembles de pays8,9, utilisaient des données nationales sur la disponibilité ou les ventes de nourriture par habitant comme entrées directes de données10,11,12,13,14, ce qui sous-estimait considérablement l'apport par rapport aux données au niveau individuel15 et n'incluait pas enfants, adolescents ou jeunes adultes (<25 ans)8,9,10,11,12,16. De plus, il y a peu de preuves sur les disparités mondiales dans les habitudes alimentaires, par exemple en fonction de l'âge, du sexe, de l'éducation et de l'urbanité. De plus, aucune étude mondiale antérieure n'a évalué conjointement plusieurs mesures validées de la qualité de l'alimentation17, telles que l'Alternative Healthy Eating Index (AHEI), les Dietary Approaches to Stop Hypertension (DASH) et le Mediterranean Diet Score (MED).

Dans cet article, pour combler ces lacunes dans les connaissances, nous avons caractérisé les schémas et tendances alimentaires mondiaux, régionaux et nationaux sur la base de données d'apport au niveau individuel chez les adultes et les enfants de 185 pays en 1990 et 2018. Les résultats ont été évalués en fonction de l'âge. , le sexe, l'éducation et l'urbanité dans chaque pays. Cette analyse a utilisé les dernières données de la Global Dietary Database (GDD) 2018, basées sur des enquêtes alimentaires individuelles dans le monde entier18.

Le GDD est un effort collaboratif visant à identifier, compiler et normaliser systématiquement les données alimentaires au niveau individuel sur 53 aliments, boissons et nutriments (Méthodes). Le GDD utilise des méthodes de modélisation bayésiennes pour estimer les apports alimentaires stratifiés conjointement par âge, sexe, éducation, niveau et urbanité pour 185 pays entre 1990 et 2018.

En 2018, la moyenne mondiale du score AHEI était de 40,3 (intervalle d'incertitude à 95 % (UI) 39,4, 41,3), avec des moyennes régionales allant de 30,3 (28,7, 32,2) en Amérique latine et dans les Caraïbes à 45,7 (43,8, 49,3) en Asie du Sud (fig. 1). Parmi les composantes du score, les scores mondiaux les plus élevés pour les aliments plus sains étaient pour les légumineuses/noix (5,0 ; 4,8, 5,3), suivis par les grains entiers (4,7 ; 4,5, 5,0), les oméga-3 des fruits de mer (4,2 ; 3,8, 5,1) et légumes non féculents (3,9 ; 3,8, 4,0) ; parmi les articles moins sains, les scores les plus élevés (apports les plus faibles ou les plus favorables) étaient pour les boissons sucrées (SSB) (5,8 ; 5,7, 5,9) et la viande rouge/transformée (4,8 ; 4,5, 5,1). Cependant, ces composantes du score variaient considérablement selon la région du monde. Par exemple, les meilleurs scores en Asie du Sud étaient pour les grains entiers plus élevés et la viande rouge/transformée et les boissons sucrées moins élevées, tandis que les meilleurs scores en Amérique latine et dans les Caraïbes étaient pour les légumineuses/noix plus élevées et le sodium plus faible.

Score AHEI : neuf composants notés de 0 à 10 chacun et échelonnés à dix composants (correction pour les gras trans illustrée). Composants sains : fruits, légumes non féculents, légumineuses/noix, grains entiers, AGPI et acides gras oméga-3 de fruits de mer ; composants malsains : viande rouge/transformée, boissons sucrées et sodium.

Seuls dix pays, représentant <1% de la population mondiale, avaient des scores AHEI ≥50. Parmi les 25 pays les plus peuplés du monde, le score AHEI moyen était le plus élevé au Vietnam, en Iran, en Indonésie et en Inde (54,5 à 48,2) et le plus bas au Brésil, au Mexique, aux États-Unis et en Égypte (27,1 à 33,5) (Fig. 2). La plupart des scores des composantes variaient considérablement d'un pays à l'autre. Par exemple, une différence de 100 fois a été observée dans le score de sodium, une différence de 90 fois dans le score de viande rouge/transformée et une différence de 23 fois dans le score SSB. Parmi les composants, les scores d'acides gras polyinsaturés (AGPI) et de légumes non féculents variaient le moins (deux fois et trois fois, respectivement) d'un pays à l'autre.

Enfants : ≤1 ans à ≤19 ans ; adultes : ≥20 ans. Le score AHEI variait de 0 à 100. Le score national moyen a été calculé comme la somme des scores des composantes au niveau de la strate et agrégé à la moyenne nationale en utilisant les proportions pondérées de la population pour 2018.

Globalement, le score AHEI moyen en 2018 était similaire chez les enfants (39,2 ; 38,2, 40,3) par rapport aux adultes (40,8 ; 39,8, 42,0) (Fig. 1). Cependant, le score moyen de l'AHEI était nettement plus élevé chez les adultes que chez les enfants en Europe centrale/orientale et en Asie centrale, dans les pays à revenu élevé et dans la région du Moyen-Orient et de l'Afrique du Nord. Selon l'âge, la plupart des régions avaient des relations en forme de J ou de U, les scores les plus élevés étant observés parmi les groupes d'âge les plus jeunes (≤ 5 ans) et/ou les plus âgés (≥ 75 ans) (Fig. 3).

Le score AHEI variait de 0 à 100. Les cercles représentent la moyenne mondiale ou régionale pour le groupe d'âge et les barres d'erreur représentent l'UI à 95 % correspondante. La moyenne et son UI sont tracées pour le point médian de chaque tranche d'âge (<1, 1–2, 3–4, 5–9, 10–14, 15–19, 20–24, 25–29, 30–34, 35–39, 40–44, 45–49, 50–54, 55–59, 60–64, 65–69, 70–74, 75–79, 80–84, 85–89, 90–94 et ≥95 années).

Parmi les composants AHEI à l'échelle mondiale, quatre scores de composants étaient inférieurs chez les enfants par rapport aux adultes : fruits (2,2 (2,1, 2,3) contre 2,5 (2,4, 2,5), respectivement), légumes non féculents (3,1 (3,0, 4,5) contre 4,3 (4,2 , 3,2)), les SSB (5,3 (5,1, 5,5) versus 6,1 (6,0, 6,2)) et les oméga-3 des fruits de mer (3,3 (2,9, 4,0) versus 4,7 (4,2, 5,7)), tandis que deux autres étaient plus élevés chez les enfants versus adultes : AGPI (2,1 (2,0, 2,2) versus 1,4 (1,3, 1,5)) et sodium (4,6 (4,1, 5,1) versus 3,2 (2,9, 3,5)) (Fig. 1).

Par sexe, le score AHEI moyen était généralement plus élevé chez les femmes que chez les hommes au niveau mondial et régional, les plus grandes différences étant observées dans les pays à revenu élevé (différence +4,4 ; 3,8, 5,0) et en Europe centrale/orientale et Asie centrale (+3,6 ; 2.1, 5.3) (Données étendues Fig. 1). En évaluant les différentes composantes de l'AHEI à l'échelle mondiale, les femmes avaient des scores légèrement plus élevés pour les fruits (+0,2 ; 0,2, 0,3), les légumes non féculents (+0,3 ; 0,1, 0,4) et les grains entiers (+0,4 ; 0,2, 0,5).

En évaluant les différences en fonction du niveau d'instruction, les scores AHEI étaient plus élevés chez les personnes ayant un niveau d'éducation supérieur dans le monde et dans la plupart des régions, sauf au Moyen-Orient et en Afrique du Nord et en Afrique subsaharienne, où aucune différence n'était évidente (Fig. 4). Parmi les régions du monde, les différences selon l'éducation étaient les plus importantes en Europe centrale/orientale et Asie centrale (+3,6 ; 2,4, 4,9), en Amérique latine et Caraïbes (+3,5 ; 0,9, 6,0) et en Asie du Sud (+2,9 ; 1,1, 4,9) . À l'échelle mondiale, les personnes plus instruites avaient des scores plus élevés pour les fruits (+0,8 ; 0,7, 0,9), le sodium (+0,7 ; 0,3, 1,1), les céréales complètes (+0,6 ; 0,4, 0,8) et les légumes non féculents (+0,5 ; 0,4, 0,6). Cependant, en revanche, les individus plus instruits avaient également des scores plus faibles (niveaux de consommation moins favorables) pour la viande rouge/transformée (-0,6 ; -0,7, -0,5), les boissons sucrées (-0,6 ; -0,8, -0,4) et les noix et légumineuses ( -0,1 ; ​​-0,2, -0,1) globalement.

Score AHEI : neuf composants notés de 0 à 10 chacun et échelonnés à dix composants (correction non indiquée). La différence absolue par éducation a été calculée comme la différence au niveau de la strate et agrégée aux différences moyennes mondiales et régionales en utilisant les proportions pondérées de la population pour les niveaux d'éducation faible (<6 ans) et élevé (≥12 ans) uniquement (exclut le niveau d'éducation ≥6 et <12 ans).

Globalement, les scores AHEI ne variaient pas de manière significative selon la résidence urbaine par rapport à la résidence rurale (Fig. 5). Cependant, des scores plus élevés étaient évidents parmi les individus urbains par rapport aux ruraux en Europe centrale/orientale et en Asie centrale (différence +2,2 ; 0,9, 3,5) et en Asie du Sud-Est et de l'Est (+1,4 ; 0,6, 2,4), et des scores inférieurs entre les urbains et les ruraux individus au Moyen-Orient et en Afrique du Nord (−3,8 ; −5,5, −2,2). Globalement, les individus résidant dans les zones urbaines avaient des scores plus élevés pour les fruits (+0,2 ; 0,2, 0,3) et les grains entiers (+0,2 ; 0,1, 0,4), mais des scores plus faibles pour les boissons sucrées (−0,5 ; −0,7, −0,4), rouge/ viande transformée (−0,4, −0,5, −0,1) et légumineuses/noix (−0,1 ; −0,2, −0,1).

Score AHEI : neuf composants notés de 0 à 10 chacun et échelonnés à dix composants (correction non indiquée). La différence absolue par urbanité a été calculée comme la différence au niveau de la strate et agrégée aux différences moyennes mondiales et régionales en utilisant les proportions pondérées de la population.

Entre 1990 et 2018, le score AHEI global moyen (normalisé selon les distributions de population de 2018) a augmenté de +1,5 (1,0, 2,0). Des tendances à la hausse se sont produites dans cinq des sept régions : Europe centrale/orientale et Asie centrale (+4,6 ; 4,0, 5,3) ; pays à revenu élevé (+3,2 ; 2,9, 3,5) ; Asie du Sud-Est et de l'Est (+2,7 ; 1,7, 3,8) ; le Moyen-Orient et l'Afrique du Nord (+2,2 ; 1,4, 3,0) ; et Amérique latine et Caraïbes (+1,3 ; 0,6 ; 2,0). Aucun changement significatif n'a été observé en Asie du Sud (0 ; -0,9, 1,1) et une tendance à la baisse a été observée en Afrique subsaharienne (-1,1 ; -1,8, -0,4) (Fig. 6).

Score AHEI : neuf composants notés de 0 à 10 chacun et échelonnés à dix composants (correction non indiquée). La différence absolue dans le temps a été calculée comme la différence au niveau de la strate et agrégée aux différences moyennes mondiales et régionales en utilisant les proportions pondérées de la population pour 2018.

Parmi les composantes AHEI à l'échelle mondiale, les scores ont augmenté au fil du temps pour les légumes non féculents (+1,1 ; 1,0, 1,2), les légumineuses/noix (+1,1 ; 1,0, 1,3) et les fruits (+0,1 ; ​​0,1, 0,2) ; diminué pour la viande rouge/transformée (-1,4 ; -1,5, -1,2), les boissons sucrées (-0,6 ; -0,7, -0,6) et le sodium (-0,4 ; -0,6, -0,2) ; et est resté stable pour les grains entiers (+0,1 ; 0, 0,2), les AGPI (0 ; 0, 0,1) et les oméga-3 des fruits de mer (0 ; 0, 0,1).

Parmi les pays les plus peuplés, la plus grande amélioration absolue du score AHEI entre 1990 et 2018 s'est produite en Iran (+12,0 ; 9,9, 13,9), aux États-Unis (+4,6 ; 4,1, 5,1), au Vietnam (+4,5 ; 2,4, 7,2 ) et en Chine (+4,3 ; 2,8, 5,9), tandis que les plus fortes baisses ont été observées en Tanzanie (−3,7 ; −5,8, −1,5), au Nigeria (−3,0 ; −5,3, −0,7), au Japon (−2,7 ; −3,1 , −2,3) et les Philippines (−1,8 ; −2,7, −0,9) (Fig. 7).

Le score AHEI variait de 0 à 100. La différence absolue entre 2018 et 1990 a été calculée comme la différence au niveau de la strate et agrégée aux différences moyennes nationales en utilisant les proportions pondérées de la population pour 2018.

Les résultats détaillés des scores DASH et MED sont présentés dans les informations supplémentaires. En bref, les scores moyens mondiaux DASH et MED en 2018 étaient de 22,9 (22,6, 23,2) et 4,1 (3,9, 4,2), respectivement (Extended Data Figs. 2 et 3). Au niveau régional, les moyennes de ces scores étaient systématiquement plus élevées en Asie du Sud et plus faibles en Amérique latine et dans les Caraïbes (données étendues, figures 4 et 5). Parmi les sous-groupes de population, les scores globaux DASH et MED étaient plus élevés chez les adultes que chez les enfants (DASH : 23,2 (22,9, 23,4) contre 22,3 (21,9, 22,7) ; MED : 4,3 (4,1, 4,4) contre 3,7 (3,5, 3,8)), mais ne différaient pas sensiblement selon le sexe (Extended Data Figs. 2 et 3). Les scores moyens globaux étaient plus élevés chez les individus plus instruits que chez les moins instruits (différence +2,6 (2,3, 2,8) et +0,3 (0,2, 0,4), respectivement) (Extended Data Fig. 7) et, pour DASH uniquement, entre les individus urbains et ruraux (+0,4 ; 0,2, 0,7) (Données étendues Fig. 8). Dans le monde, les scores moyens DASH et MED ont légèrement augmenté entre 1990 et 2018, de +1,0 (0,8, 1,1) pour DASH et de +0,3 (0,2, 0,4) pour MED (Extended Data Figs. 6 et 9). Dans toutes les strates en 2018, les intercorrélations des scores des habitudes alimentaires étaient de 0,8 pour AHEI et DASH, 0,5 pour AHEI et MED et 0,6 pour DASH et MED.

Dans cette évaluation mondiale de différents modèles alimentaires dans 185 pays en 1990 et 2018, nous avons trouvé une qualité alimentaire globale modeste, mais avec des variations importantes selon l'âge, le sexe, l'éducation, l'urbanité, le temps et la région du monde, ainsi que par composante alimentaire. Ces résultats, basés sur la collecte systématique et la standardisation de plus de 1 100 enquêtes alimentaires au niveau individuel dans le monde, fournissent les estimations les plus récentes et les plus complètes de la qualité alimentaire mondiale, régionale et nationale chez les adultes et les enfants, en sous-groupes selon le niveau d'instruction et la population urbaine par rapport à résidence rurale, et comparant trois modèles alimentaires validés, y compris l'AHEI, le DASH et le MED17. Ces résultats ont des implications importantes pour la santé publique et éclairent les priorités de chaque nation et sous-groupe sous-national pour améliorer la sécurité nutritionnelle et l'équité en santé.

À titre d'exemple, nos résultats mettent en évidence les différences régionales entre des apports insuffisants d'aliments sains et des apports excessifs d'aliments malsains. Par exemple, les scores les plus élevés pour les habitudes alimentaires en 2018 ont été identifiés dans les pays à faible revenu d'Asie du Sud et d'Afrique subsaharienne, où la consommation relativement faible de boissons sucrées et de viandes rouges/transformées est cohérente avec les données nationales sur les ventes en volume d'aliments ou de boissons19. Cependant, la consommation de composants sains, tels que les fruits, les légumes non féculents, les légumineuses/noix, les acides gras oméga-3 des fruits de mer et les AGPI, était également loin d'être optimale dans ces pays. Cela suggère qu'un accent majeur sur les politiques et les innovations visant à augmenter la consommation de produits, de fruits de mer et d'huiles végétales aura le plus grand impact sur la qualité de l'alimentation dans ces pays.

En revanche, dans les pays à revenu élevé, en Europe centrale/orientale et en Asie centrale, ainsi qu'au Moyen-Orient et en Afrique du Nord, l'augmentation de la consommation de fruits, de légumes non féculents, de légumineuses/noix et de céréales complètes a amélioré la qualité de l'alimentation au fil du temps, mais a compensées par des tendances stables ou seulement des réductions mineures dans les viandes rouges/transformées, les boissons sucrées et le sodium. Nous avons constaté que la viande rouge/transformée et le sodium ont chacun considérablement augmenté au fil du temps en Asie, en Amérique latine et dans les Caraïbes, conformément aux rapports nationaux précédents de la Chine, du Japon et du Mexique20,21,22. Ces résultats suggèrent qu'une double concentration sur l'augmentation des aliments sains et la réduction des facteurs nocifs est essentielle dans ces régions, en particulier pour les pays d'Asie, d'Amérique latine et des Caraïbes.

Plusieurs études ont documenté que l'AHEI est associée au risque de maladies non transmissibles23. Par exemple, les résultats regroupés de deux cohortes américaines ont révélé une réduction de 24 %, 33 % et 6 % de l'incidence des maladies cardiovasculaires, du diabète sucré et du cancer, respectivement, pour le quintile le plus élevé de l'AHEI (médiane 64,5) par rapport au quintile le plus bas (médiane 36,9 ; comparable à la moyenne globale de notre étude, 40,3 (95 % UI 39,4, 41,3)) (réf. 24). Les cohortes ont également constaté qu'une augmentation modérée (augmentation de 20 centiles) du score AHEI au cours du suivi était associée à un risque significativement plus faible de mortalité par maladie cardiovasculaire et de mortalité par cancer25. Des relations similaires ont été observées en France26, au Royaume-Uni27 et à Singapour28,29. De telles associations suggèrent que la qualité actuelle des régimes alimentaires mondiaux identifiés dans cette étude entraîne des maladies chroniques et des décès évitables, et que de modestes améliorations de la qualité alimentaire peuvent contribuer à la réduction des maladies mortelles et non mortelles liées au régime alimentaire au fil du temps.

Nos conclusions sur les schémas alimentaires mondiaux chez les nourrissons, les enfants et les adolescents ont des implications importantes pour la nutrition et la santé des enfants. Nous avons constaté que la qualité de l'alimentation était généralement la plus élevée chez les nourrissons et les jeunes enfants et empirait à l'adolescence, soulignant la nécessité d'initiatives visant à améliorer la qualité de l'alimentation chez les enfants plus âgés, ainsi qu'à promouvoir de saines habitudes alimentaires dans la petite enfance pour se traduire par une amélioration de la qualité de l'alimentation chez les enfants. l'adolescence et l'âge adulte. Bien que la qualité de l'alimentation soit la plus élevée chez les enfants d'Afrique subsaharienne et d'Asie du Sud, nous avons constaté que la qualité de l'alimentation s'est détériorée ou est restée stable au fil du temps dans ces régions. Les enfants dont les parents sont plus instruits avaient une alimentation de meilleure qualité dans toutes les régions sauf en Asie du Sud et au Moyen-Orient et en Afrique du Nord, tandis qu'une meilleure qualité de l'alimentation a été observée chez les enfants résidant dans les zones urbaines d'Europe centrale/orientale et d'Asie centrale et d'Asie du Sud-Est et de l'Est, et zones rurales du Moyen-Orient et d'Afrique du Nord. Une alimentation de moins bonne qualité chez les enfants est associée à un retard de croissance, à des facteurs de risque cardiométabolique (par exemple, tension artérielle, taux de lipides sanguins, contrôle de la glycémie et obésité) et à une qualité de vie liée à la santé30,31,32,33,34,35 les habitudes et les préférences alimentaires établies au début de la vie influencent les habitudes ultérieures tout au long de l'enfance et à l'âge adulte36,37,38.

Des disparités alimentaires en fonction de l'éducation ou du niveau de revenu ont été signalées dans des pays spécifiques, principalement à revenu élevé ou dans certains groupes de pays8,39,40,41, mais pas à l'échelle mondiale. Nos résultats démontrent que les individus plus instruits avaient une qualité alimentaire globale plus élevée dans la plupart des régions du monde, mais pas dans toutes, avec les impacts les plus importants de l'éducation parmi les pays d'Europe centrale/orientale et d'Asie centrale, d'Amérique latine et des Caraïbes, et d'Asie du Sud. Nous avons également identifié des exceptions clés au Moyen-Orient et en Afrique du Nord et en Afrique subsaharienne, où la qualité de l'alimentation ne variait pas selon le niveau d'éducation. Notamment, l'enseignement supérieur était généralement lié à une plus grande consommation de fruits, de légumes non féculents, de grains entiers et d'huiles végétales, mais pas toujours à une consommation plus faible de boissons sucrées et de viande rouge/transformée. Fait intéressant, l'urbanité a influencé différemment la qualité alimentaire dans différentes régions du monde, avec une meilleure qualité alimentaire parmi les résidents urbains par rapport aux résidents ruraux en Europe centrale/orientale et en Asie centrale et en Asie du Sud-Est et de l'Est, mais l'inverse au Moyen-Orient et en Afrique du Nord, lié à des différences spécifiques dans la consommation des composants sains par rapport aux composants malsains sous-jacents chez les résidents urbains par rapport aux résidents ruraux de ces régions.

En accord avec notre analyse précédente des scores alimentaires sains et malsains16, nous avons constaté que, par rapport aux pays à faible revenu, les pays à revenu élevé avaient de meilleurs scores pour les composants sains (par exemple, les fruits et les grains entiers) mais de moins bons scores pour les composants malsains ( par exemple, viandes rouges/transformées et sodium).

Cette enquête a plusieurs points forts. Nos données et nos conclusions s'appuient sur la littérature précédente et l'étoffent en incluant le plus grand nombre d'enquêtes alimentaires au niveau individuel, en fournissant une estimation plus contemporaine des tendances de la qualité alimentaire mondiale et en estimant la qualité alimentaire mondiale chez les enfants et les adolescents, ce qui n'a pas été rapporté auparavant. . Nous avons inclus 1 139 enquêtes alimentaires, dont la plupart étaient représentatives au niveau national et recueillies au niveau individuel à l'aide de rappels de 24 h ou de questionnaires de fréquence alimentaire (FFQ). Nous avons standardisé toutes les entrées de données, y compris les définitions des facteurs alimentaires, les unités et l'ajustement énergétique spécifique à l'âge, et avons incorporé la modélisation bayésienne avec des covariables d'enquête et de pays pour tenir compte de l'hétérogénéité et de l'incertitude d'échantillonnage et de modélisation42. Nous avons évalué les différences infranationales selon l'âge, le sexe, l'éducation et l'urbanité, y compris les premières estimations mondiales des habitudes alimentaires en fonction du niveau d'instruction et de la résidence urbaine par rapport à la résidence rurale. Nous avons caractérisé trois mesures établies pour la qualité de l'alimentation, chacune validée par rapport aux principaux résultats de santé17, y compris les similitudes et les différences dans la qualité alimentaire mondiale, régionale et nationale en fonction de la mesure alimentaire.

Les limitations potentielles doivent être prises en compte. Bien que nous ayons déployé des efforts considérables pour minimiser les biais et intégrer l'hétérogénéité et l'incertitude, les données alimentaires au niveau individuel sont sujettes à des erreurs de mesure, et la disponibilité des enquêtes était limitée ou incomplète pour certains pays, facteurs alimentaires, groupes démographiques et années16,42. Par exemple, moins d'un quart des enquêtes comprenaient des données sur les enfants âgés de 3 à 9 ans et les adultes ≥ 85 ans. Les modèles hiérarchiques bayésiens ont incorporé une incertitude supplémentaire pour tenir compte de ces limites, mais un biais d'échantillonnage et/ou d'information ne peut être exclu16. Pour permettre la comparabilité entre les sous-groupes de population, nous avons standardisé les apports alimentaires à 2 000 kcal par jour avant de calculer les habitudes alimentaires, mais les apports alimentaires non ajustés peuvent être inférieurs parmi les populations ayant des besoins énergétiques plus faibles (par exemple, les nourrissons et les jeunes enfants et les personnes âgées) ou plus élevé parmi les populations consommant > 2 000 kcal par jour. Nous n'avions pas d'informations sur la consommation de gras trans (AHEI) ou d'alcool (AHEI et MED), et nos résultats doivent être interprétés comme une qualité alimentaire basée sur les autres composantes de ces scores. Les modèles alimentaires sélectionnés (AHEI, MED et DASH) ont été initialement développés et validés pour les populations adultes dans les pays à revenu élevé, mais ont été utilisés pour caractériser la qualité alimentaire chez les enfants et les personnes âgées33,43,44. Il est important de noter qu'une seule ou une suite de paramètres alimentaires n'a pas été développée ou validée pour évaluer la qualité des micronutriments du régime alimentaire dans tous les groupes d'âge17, et l'AHEI, le MED et le DASH peuvent être insuffisamment corrélés avec les nutriments préoccupants, en particulier chez les enfants et dans les pays à revenu faible ou intermédiaire. La prudence s'impose lors de l'interprétation des résultats par rapport à l'adéquation des éléments nutritifs. Cependant, en l'absence de paramètres validés pour le double fardeau de la malnutrition, l'AHEI, le MED et le DASH sont des paramètres appropriés pour évaluer la qualité de l'alimentation dans les populations17. Nous n'avons pas pris en compte d'autres indices et scores alimentaires moins validés16,17,45,46, qui peuvent être évalués une fois qu'ils ont été mieux validés pour une utilisation dans diverses populations mondiales.

En conclusion, nous avons constaté que la qualité alimentaire mondiale n'était que modeste aujourd'hui, et avec seulement quelques améliorations, bien qu'incohérentes selon les régions du monde, au cours des trois dernières décennies.

Ces résultats fournissent des informations globales complètes sur les habitudes alimentaires au niveau individuel chez les enfants et les adultes, par âge, sexe, éducation et urbanité. Nos résultats mettent en évidence la variation substantielle de la qualité de l'alimentation et informent sur la nécessité de politiques nationales et infranationales spécifiques pour améliorer la sécurité nutritionnelle et l'équité nutritionnelle.

Nos méthodes et nos résultats pour identifier les enquêtes alimentaires, l'extraction des données, la normalisation et l'harmonisation, et la modélisation ont été rapportés18,42,47,48. En bref, nous avons systématiquement recherché, identifié et rassemblé des données provenant d'enquêtes représentatives aux niveaux national et infranational (ou d'enquêtes communautaires représentatives locales lorsque les niveaux national et infranational n'étaient pas disponibles) sur les apports alimentaires au niveau individuel et sur l'apport en sodium, ainsi que d'autres enquêtes sur les biomarqueurs18, 42. Les enquêtes sur le budget des ménages étaient rarement utilisées lorsque les enquêtes alimentaires au niveau individuel n'étaient pas identifiées pour un pays peuplé18,42. Au total, nous avons compilé les données de 1 248 enquêtes alimentaires dans 188 pays. Parmi celles-ci, 1 139 enquêtes menées dans 175 pays (représentant 7,46 milliards de la population mondiale en 2018) ont fourni des données sur les neuf aliments, trois boissons et six nutriments mesurés dans les scores des habitudes alimentaires dans la présente analyse. La plupart des enquêtes étaient représentatives au niveau national ou infranational (89,1 %) ; utilisé un FFQ (42,1 %) ou un rappel de 24 h (22,7 %) ; inclus des données sur les enfants (0-19 ans) (73,9 %) et les adultes (≥ 20 ans) (64,5 %) ; et comprenait des données sur la résidence urbaine et/ou rurale (60,8 %) (tableau d'information supplémentaire 4).

Pour chaque enquête du GDD, nous avons obtenu et évalué la crédibilité des informations obtenues concernant les caractéristiques de l'enquête, y compris le nom de l'enquête, le pays, les années réalisées, les méthodes d'échantillonnage, le taux de réponse, la représentativité nationale, le niveau de collecte de données (individuel ou ménage), l'alimentation méthode d'évaluation et validation, taille de l'échantillon, données démographiques (âge, sexe, éducation, résidence urbaine/rurale et état de grossesse/allaitement) et définitions et unités des facteurs alimentaires18. Nous avons également extrait ou obtenu directement des données des propriétaires de l'enquête sur les apports alimentaires individuels de jusqu'à 53 aliments, boissons et nutriments, stratifiés conjointement par âge, sexe, éducation et résidence urbaine/rurale. Nous avons évalué les apports alimentaires ajustés aux apports énergétiques normalisés selon l'âge pour évaluer la composition alimentaire indépendamment de la quantité, tenir compte des besoins moyens estimés par âge et réduire les erreurs de mesure dans et entre les enquêtes (informations supplémentaires)42. Les données ont été évaluées pour les erreurs d'extraction et la plausibilité à l'aide de protocoles standardisés, et la qualité de l'enquête en évaluant les preuves du biais de sélection, de la représentativité de l'échantillon, du taux de réponse et de la validité de la méthode d'évaluation du régime alimentaire42.

Pour tenir compte des différences dans les méthodes d'enquête, la représentativité, les tendances temporelles, les données d'entrée et l'incertitude, un modèle bayésien a estimé les moyennes logarithmiques de l'apport alimentaire (moyenne et écart type) dans une structure hiérarchique imbriquée42. Le modèle comprenait des effets aléatoires par pays et par région ainsi qu'à l'échelle mondiale ; le sexe, l'éducation, la résidence urbaine/rurale et les effets non linéaires de l'âge ; données d'indicateur au niveau de l'enquête pour la méthode d'évaluation alimentaire (rappel de 24 h, FFQ, questionnaire d'enquête démographique sur la santé et enquête sur le budget des ménages) et le type de métrique alimentaire (définition optimale ou sous-optimale) ; et des données nationales sur les covariables spécifiques à l'année pertinentes pour chaque facteur alimentaire42. Le modèle incluait une surdispersion de la variance au niveau de l'étude pour les enquêtes qui n'étaient pas représentatives au niveau national ou non stratifiées par sexe, éducation, urbanité ou petits groupes d'âge (≤ 10 ans)42.

Le modèle final comprenait des estimations de la consommation de chaque aliment ou nutriment pour 264 sous-groupes stratifiés conjointement par sexe (homme ou femme), groupe d'âge (<1, 1–2, 3–4, 5–9, 10–14, 15–19 , 20–24, 25–29, 30–34, 35–39, 40–44, 45–49, 50–54, 55–59, 60–64, 65–69, 70–74, 75–79, 80 –84, 85–89, 90–94 et ≥95 ans), éducation (<6 ans, ≥6 à <12 ans, ou ≥12 ans) et résidence urbaine ou rurale ; dans 185 pays couvrant 99,0 % de la population mondiale en 201842. L'incertitude de chaque estimation de facteur alimentaire spécifique à la strate a été quantifiée à l'aide de 4 000 itérations pour déterminer les distributions a posteriori conjointement par pays, année, âge, sexe, éducation et urbanité42. Nous avons calculé l'apport médian et l'AC à 95 % pour chaque strate à partir des 50e, 2,5e et 97,5e centiles des 4 000 tirages, respectivement42. Les contrôles de validité comprenaient : une validation croisée quintuple (omettant au hasard 20 % des données brutes de l'enquête, exécutée cinq fois), comparant les apports prédits aux apports observés ; évaluation des estimations non plausibles ; et évaluation visuelle des apports moyens nationaux à l'aide de cartes thermiques mondiales42. Un deuxième modèle bayésien basé sur les composantes temporelles a été utilisé pour renforcer les estimations des tendances temporelles des facteurs alimentaires avec les données correspondantes sur la disponibilité des aliments ou des nutriments (FAO Food Balance Sheets49 et Global Expanded Nutrient Supply50)42. Le modèle, communément appelé modèle à pentes variables, incorporait des interceptions et des pentes au niveau national, ainsi que leur corrélation qui est estimée entre les pays42,51,52. Les résultats finaux du GDD étaient basés sur ces deux modèles bayésiens42, comme détaillé dans les informations supplémentaires.

Pour notre analyse primaire, nous nous sommes concentrés sur l'AHEI. Pour chaque strate, nous avons noté neuf composants : fruits, légumes non féculents, grains entiers, boissons sucrées, légumineuses/noix, viandes rouges/transformées non transformées, fruits de mer oméga-3, AGPI et sodium (l'alcool et les gras trans n'ont pas été estimés dans GDD ) (tableau complémentaire 6). Chaque composant a été noté de 0 à 10, et le score final allant de 0 à 90 a été échelonné pour aller de 0 à 100. Le DASH a été calculé sur la base de huit composants, notés de 1 à 5 en utilisant des quintiles spécifiques au sexe, avec le note finale allant de 8 à 40 (tableau complémentaire 7). La MED a été calculée sur la base de huit composants (l'alcool n'a pas été estimé), chaque composant étant noté 0 ou 1 en utilisant des médianes spécifiques au sexe et le score final allant de 0 à 8 (tableau supplémentaire 8). Étant donné que les seuils de notation pour DASH et MED sont basés sur les distributions de population observées, les distributions ont été calculées pour 2018 et utilisées de manière cohérente les autres années. Comme chacun de ces scores est basé sur les apports habituels des adultes, les niveaux de consommation de facteurs alimentaires dans chaque strate ont été standardisés à 2 000 kcal par jour pour dériver les scores des habitudes alimentaires. Pour chaque régime alimentaire, des scores plus élevés sont attribués pour des apports plus élevés d'aliments ou de nutriments plus sains et des apports plus faibles d'aliments ou de nutriments moins sains, et donc des scores plus élevés représentent des régimes plus sains.

Les scores moyens pondérés en fonction de la population pour chaque strate de sous-groupe de population dans chaque année-pays ont été calculés en utilisant les 4 000 prédictions a posteriori pour chacune des composantes de cette strate afin de dériver les scores mondiaux, régionaux et nationaux42. Les pondérations annuelles de la population ont été dérivées de la Division de la population des Nations Unies53, complétées par des données sur les distributions éducatives et urbaines/rurales de Barro Lee54 et des Nations Unies55, respectivement42. Les corrélations de Spearman ont évalué les interrelations entre chaque score de régime alimentaire. Les changements dans les scores entre 1990 et 2018 ont été calculés en utilisant les 4 000 prédictions a posteriori pour chaque strate afin de tenir compte de tout le spectre d'incertitude et normalisées à la proportion d'individus dans chaque strate en 2018 pour tenir compte des changements démographiques au fil du temps42. Compte tenu de la nature bayésienne de l'analyse, la signification statistique formelle n'était pas appropriée et les UI à 95 % devraient être utilisées comme guide42.

Les estimations modélisées des apports individuels en aliments et en nutriments par sous-groupe de population, pays, région et globe en 1990 et 2018 peuvent être téléchargées à partir du GDD (https://www.globaldietarydatabase.org/). Des informations au niveau de l'enquête et des liens Web de téléchargement des données originales sont également fournis pour toutes les enquêtes publiques ; les microdonnées au niveau de l'enquête ou les données agrégées au niveau de la strate sont fournies pour téléchargement direct pour toutes les enquêtes non publiques auxquelles le propriétaire des données a accordé le consentement pour le partage public. Les scores de qualité alimentaire modélisés sont disponibles en téléchargement sur (https://github.com/victoriaemiller/GDD-Diet-Quality).

Le codage statistique est disponible auprès de l'auteur correspondant sur demande raisonnable.

Une correction à cet article a été publiée : https://doi.org/10.1038/s43016-023-00705-0

Rapport sur la nutrition mondiale 2021 : L'état de la nutrition mondiale (Initiatives de développement, 2021).

Collaborateurs GBD 2017 Causes de décès. Mortalité mondiale, régionale et nationale selon l'âge et le sexe pour 282 causes de décès dans 195 pays et territoires, 1980-2017 : une analyse systématique pour l'étude sur la charge mondiale de morbidité 2017. Lancet https://doi.org/10.1016/ s0140-6736(18)32203-7 (2018).

GBD 2017 Collaborateurs des facteurs de risque. Évaluation comparative mondiale, régionale et nationale des risques de 84 risques ou groupes de risques comportementaux, environnementaux, professionnels et métaboliques pour 195 pays et territoires, 1990-2017 : une analyse systématique pour l'étude Global Burden of Disease Study 2017. Lancet https:/ /doi.org/10.1016/s0140-6736(18)32225-6 (2018).

GBD 2017 Diet Collaborateurs. Effets sur la santé des risques alimentaires dans 195 pays, 1990-2017 : une analyse systématique pour l'étude sur la charge mondiale de morbidité 2017. Lancet https://doi.org/10.1016/s0140-6736(19)30041-8 (2019).

Sacs, FM et al. Raison d'être et conception de l'essai DASH (Approches diététiques pour arrêter l'hypertension). Une étude multicentrique d'alimentation contrôlée des modèles alimentaires pour abaisser la tension artérielle. Anne. Épidémiol. 5, 108-118 (1995).

Article CAS Google Scholar

Hu, FB Analyse des modèles alimentaires : une nouvelle direction dans l'épidémiologie nutritionnelle. Courant. Avis. Lipidol. 13, 3–9 (2002).

Article CAS Google Scholar

Micha, R. et al. Effets étiologiques et apports optimaux d'aliments et de nutriments pour le risque de maladies cardiovasculaires et de diabète : revues systématiques et méta-analyses du groupe d'experts sur la nutrition et les maladies chroniques (NutriCoDE). PLoS ONE 12, e0175149 (2017).

Teo, K. et al. Prévalence d'un mode de vie sain chez les personnes atteintes de maladies cardiovasculaires dans les pays à revenu élevé, intermédiaire et faible : l'étude Prospective Urban Rural Epidemiology (PURE). JAMA 309, 1613–1621 (2013).

Article CAS Google Scholar

Yusuf, S. et al. Facteurs de risque modifiables, maladies cardiovasculaires et mortalité chez 155 722 personnes de 21 pays à revenu élevé, à revenu intermédiaire et à faible revenu (PURE): une étude de cohorte prospective. Lancette 395, 795–808 (2020).

Article Google Scholar

Ezzati, M. & Riboli, E. Facteurs de risque comportementaux et alimentaires pour les maladies non transmissibles. N. Engl. J. Med. 369, 954–964 (2013).

Article CAS Google Scholar

Kennedy, G., Nantel, G. & Shetty, P. Mondialisation des systèmes alimentaires dans les pays en développement : impact sur la sécurité alimentaire et la nutrition. FAO Alimentation Nutr. Bouillie. 83, 1–300 (2004).

Google Scholar

Wang, DD et al. L'amélioration globale de la qualité de l'alimentation pourrait entraîner une réduction substantielle des décès prématurés. J. Nutr. 149, 1065-1074 (2019).

Article Google Scholar

Vandevijvere, S. et al. Surveillance et analyse comparative de la qualité de l'alimentation de la population à l'échelle mondiale : une approche par étapes. Obés. Rév. 14, 135–149 (2013).

Article Google Scholar

Green, R., Sutherland, J., Dangour, AD, Shankar, B. & Webb, P. Qualité alimentaire mondiale, dénutrition et maladies non transmissibles : une étude de modélisation longitudinale. BMJ Ouvert 6, e009331 (2016).

Article Google Scholar

Del Gobbo, LC et al. Évaluation des habitudes alimentaires mondiales : une comparaison des estimations nationales de la FAO et de la base de données sur l'alimentation mondiale. Suis. J.Clin. Nutr. 101, 1038-1046 (2015).

Article Google Scholar

Imamura, F. et al. Qualité alimentaire chez les hommes et les femmes dans 187 pays en 1990 et 2010 : une évaluation systématique. Lancette Glob. Santé 3, e132–e142 (2015).

Article Google Scholar

Miller, V., Webb, P., Micha, R. & Mozaffarian, D. Définition de la qualité de l'alimentation : une synthèse des mesures de la qualité de l'alimentation et leur validité pour le double fardeau de la malnutrition. Lancet Planet Health 4, e352–e370 (2020).

Article Google Scholar

Miller, V. et al. Global Dietary Database 2017 : disponibilité et lacunes des données sur 54 principaux aliments, boissons et nutriments parmi 5,6 millions d'enfants et d'adultes à partir de 1220 enquêtes dans le monde. BMJ Global Health 6, e003585 (2021).

Article Google Scholar

Vandevijvere, S. et al. Tendances mondiales des ventes de produits alimentaires et de boissons ultra-transformés et leur association avec les trajectoires de l'indice de masse corporelle chez l'adulte. Obés. Rév. 20, 10–19 (2019).

Article Google Scholar

Li, Y. et al. Tendances temporelles des facteurs liés à l'alimentation et au mode de vie et leur impact potentiel sur le fardeau du diabète en Chine. Soins du diabète 40, 1685–1694 (2017).

Article Google Scholar

Murakami, K., Livingstone, MBE et Sasaki, S. Tendances sur treize ans des habitudes alimentaires des adultes japonais dans l'enquête nationale sur la santé et la nutrition 2003-2015 : occidentalisation continue du régime alimentaire japonais. Nutriments 10, 994 (2018).

Article Google Scholar

Marrón-Ponce, JA, Tolentino-Mayo, L., Hernández-F, M. & Batis, C. Tendances des achats d'aliments ultra-transformés de 1984 à 2016 dans les ménages mexicains. Nutriments 11, 45 (2018).

Article Google Scholar

Schwingshackl, L., Bogensberger, B. & Hoffmann, G. Qualité de l'alimentation évaluée par l'indice d'alimentation saine, l'indice d'alimentation saine alternative, les approches diététiques pour arrêter le score d'hypertension et les résultats pour la santé : une revue systématique mise à jour et une méta-analyse de cohorte études. J.Acad. Nutr. Diète 118, 74–100.e111 (2018).

Article Google Scholar

Chiuve, SE et al. Les indices alimentaires alternatifs prédisent tous deux fortement le risque de maladie chronique. J. Nutr. 142, 1009-1018 (2012).

Article CAS Google Scholar

Sotos-Prieto, M. et al. Association des modifications de la qualité de l'alimentation avec la mortalité totale et par cause. N. Engl. J. Med. 377, 143–153 (2017).

Article Google Scholar

Trébuchet, A. et al. Association prospective entre plusieurs scores alimentaires et risque de maladies cardiovasculaires : le régime méditerranéen est-il également associé aux maladies cardiovasculaires par rapport aux Scores Nutritionnels Nationaux ? Suis. Coeur J. 217, 1–12 (2019).

Article Google Scholar

Shivappa, N., Hebert, JR, Kivimaki, M. & Akbaraly, T. Alternative Healthy Eating Index 2010, Dietary Inflammatory Index et risque de mortalité : résultats de l'étude de cohorte Whitehall II et méta-analyse de l'ancien Dietary Inflammatory Index et mortalité études. Br. J. Nutr. 118, 210-221 (2017).

Article CAS Google Scholar

Neelakantan, N., Koh, W.-P., Yuan, J.-M. & van Dam, RM Les indices de qualité de l'alimentation sont associés à un risque plus faible de mortalité cardiovasculaire, respiratoire et toutes causes confondues chez les adultes chinois. J. Nutr. 148, 1323-1332 (2018).

Article Google Scholar

Chen, G.-C. et coll. Indices de qualité de l'alimentation et risque de diabète sucré de type 2 : l'étude sur la santé chinoise de Singapour. Suis. J. Épidémiol. 187, 2651-2661 (2018).

Article Google Scholar

Wu, XY et al. L'influence de la qualité de l'alimentation et du comportement alimentaire sur la qualité de vie liée à la santé dans la population générale des enfants et des adolescents : une revue systématique et une méta-analyse. Qual. Vie Rés. 28, 1989-2015 (2019).

Article Google Scholar

Dalwood, P., Marshall, S., Burrows, TL, McIntosh, A. & Collins, CE Indices de qualité de l'alimentation et leurs associations avec les résultats liés à la santé chez les enfants et les adolescents : une revue systématique mise à jour. Nutr. J. 19, 118 (2020).

Article Google Scholar

Jennings, A., Welch, A., van Sluijs, EM, Griffin, SJ et Cassidy, A. La qualité de l'alimentation est indépendamment associée au statut pondéral chez les enfants âgés de 9 à 10 ans. J. Nutr. 141, 453–459 (2011).

Article CAS Google Scholar

Marshall, S., Burrows, T. & Collins, CE Examen systématique des indices de qualité de l'alimentation et de leurs associations avec les résultats liés à la santé chez les enfants et les adolescents. J. Hum. Nutr. Diète 27, 577–598 (2014).

Article CAS Google Scholar

Krasevec, J., An, X., Kumapley, R., Bégin, F. & Frongillo, EA Qualité de l'alimentation et risque de retard de croissance chez les nourrissons et les jeunes enfants dans les pays à revenu faible et intermédiaire. Maternelle. Enfant Nutr. https://doi.org/10.1111/mcn.12430 (2017).

Martin-Calvo, N., Chavarro, JE, Falbe, J., Hu, FB & Field, AE Adhérence au régime alimentaire méditerranéen et changement d'IMC chez les adolescents américains. Int. J. Obès. 40, 1103-1108 (2016).

Article CAS Google Scholar

Switkowski, KM, Gingras, V., Rifas-Shiman, SL et Oken, E. Les modèles de comportements alimentaires complémentaires prédisent la qualité de l'alimentation pendant la petite enfance. Nutriments 12, 810 (2020).

Article Google Scholar

Mikkilä, V., Räsänen, L., Raitakari, OT, Pietinen, P. & Viikari, J. Changements longitudinaux du régime alimentaire de l'enfance à l'âge adulte en ce qui concerne le risque de maladies cardiovasculaires : étude sur le risque cardiovasculaire chez les jeunes Finlandais. EUR. J.Clin. Nutr. 58, 1038-1045 (2004).

Article Google Scholar

Lake, AA, Mathers, JC, Rugg-Gunn, AJ & Adamson, AJ Changement longitudinal des habitudes alimentaires entre l'adolescence (11-12 ans) et l'âge adulte (32-33 ans) : l'étude ASH30. J. Public Health 28, 10-16 (2006).

Article Google Scholar

Wang, DD et al. Tendances de la qualité de l'alimentation chez les adultes aux États-Unis, de 1999 à 2010. JAMA Intern. Méd. 174, 1587-1595 (2014).

Article Google Scholar

Fang Zhang, F. et al. Tendances et disparités dans la qualité de l'alimentation chez les adultes américains selon le statut de participation au programme d'assistance nutritionnelle supplémentaire. Réseau JAMA. Ouvrez 1, e180237 (2018).

Article Google Scholar

Dehghan, M. et al. Relation entre une alimentation saine et le risque de maladie cardiovasculaire chez les patients sous pharmacothérapies pour la prévention secondaire. Circulation 126, 2705–2712 (2012).

Article CAS Google Scholar

Miller, V. et al. Consommation mondiale, régionale et nationale d'aliments d'origine animale entre 1990 et 2018 : résultats de la base de données sur l'alimentation mondiale. Lancette Planète. Santé 6, e243–e256 (2022).

Article Google Scholar

Chen, X., Maguire, B., Brodaty, H. & O'Leary, F. Régimes alimentaires et santé cognitive chez les personnes âgées : une revue systématique. J. Alzheimers Dis. 67, 583–619 (2019).

Article Google Scholar

Roman , B. , Carta , L. , Martinez-Gonzalez , MA & Serra-Majem , L. Efficacité du régime méditerranéen chez les personnes âgées . Clin. Interv. Vieillissement 3, 97–109 (2008).

Article Google Scholar

Bromage, S. et al. Développement et validation d'un nouveau score global de qualité de l'alimentation (GDQS) basé sur les aliments. J. Nutr. 151, 75s–92s (2021).

Article Google Scholar

Herforth, AW, Wiesmann, D., Martínez-Steele, E., Andrade, G. & Monteiro, CA Présentation d'une série d'indicateurs de qualité de l'alimentation à faible charge qui reflètent des habitudes alimentaires saines au niveau de la population. Courant. Dév. Nutr. 4, nzaa168–nzaa168 (2020).

Article CAS Google Scholar

Micha, R. et al. Estimation du fardeau mondial et régional d'une nutrition sous-optimale sur les maladies chroniques : méthodes et apports à l'analyse. EUR. J.Clin. Nutr. 66, 119-129 (2012).

Article CAS Google Scholar

Khatibzadeh, S. et al. Une base de données mondiale sur la consommation d'aliments et de nutriments. Taureau. Organe mondial de la santé. 94, 931–934 (2016).

Article Google Scholar

Organisation des Nations Unies pour l'alimentation et l'agriculture. Bilans alimentaires. 2021. https://www.fao.org/faostat/en/#data2021 (consulté le 3 mars 2021).

Smith, MR, Micha, R., Golden, CD, Mozaffarian, D. & Myers, SS Modèle d'approvisionnement global en nutriments élargi (GENuS) : une nouvelle méthode pour estimer l'apport alimentaire mondial en nutriments. PLoS ONE 11, e0146976 (2016).

Article Google Scholar

Gelman, A. & Pardoe, I. Mesures bayésiennes de la variance expliquée et de la mise en commun dans les modèles multiniveaux (hiérarchiques). Technometrics 48, 241-251 (2006).

Article Google Scholar

Wagner, T., Diefenbach, DR, Christensen, S. & Norton, AS Utilisation de modèles multiniveaux pour quantifier l'hétérogénéité dans la sélection des ressources. J. Wildl. Géré. 75, 1788–1796 (2011).

Article Google Scholar

Division de la population des Nations Unies. Population totale par sexe (milliers). 2019. https://population.un.org/wpp/DataQuery/2019 (consulté le 12 juin 2020).

Barro, R. & Lee, J. Un nouvel ensemble de données sur le niveau d'instruction dans le monde, 1950–2010. J. Dev. Econ 104, 184-198 (2013).

Article Google Scholar

Division de la population des Nations Unies. Population urbaine (% de la population totale). 2018. https://data.worldbank.org/indicator/SP.URB. TOTL.IN.ZS2018 (consulté le 12 juin 2020).

Télécharger les références

Nous remercions R. Micha pour son travail d'harmonisation des enquêtes alimentaires individuelles incluses dans le GDD. Nous remercions les membres correspondants GDD pour le partage et l'harmonisation de leurs enquêtes alimentaires selon les méthodes GDD. Cette étude a été soutenue par des subventions de la Fondation Bill et Melinda Gates (OPP1176681; DM) et de l'American Heart Association (20POST35200069; VM). La Fondation Bill et Melinda Gates a contribué à la conception de l'étude pendant le processus de demande de subvention ; autrement, les bailleurs de fonds n'avaient aucun rôle dans la collecte des données, l'analyse des données, l'interprétation des données ou la rédaction du rapport.

Friedman School of Nutrition Science and Policy, Tufts University, Boston, MA, États-Unis

Victoria Miller, Patrick Webb, Frederick Cudhea, Peilin Shi, Jianyi Zhang, Julia Reedy, Josh Erndt-Marino, Jennifer Coates et Dariush Mozaffarian

Département de médecine, Université McMaster, Hamilton, Ontario, Canada

Victoria Miller

Institut de recherche sur la santé de la population, Hamilton, Ontario, Canada

Victoria Miller

Division de médecine interne générale et de soins primaires, Brigham and Women's Hospital, Boston, MA, États-Unis

Jianyi Zhang

Université Acibadem, Istanbul, Turquie

Murat Bas

Université d'Addis-Abeba, Addis-Abeba, Éthiopie

Jamal Hyder Ali

Université Al Ain, Abu Dhabi, EAU

Souhad Abumweis

All India Institute of Medical Sciences, New Delhi, Inde

Anand Krishnan & Puneet Misra

Université américaine de Beyrouth, Beyrouth, Liban

Nahla Chawkat Hwalla

Amrita School of Dentistry, Ernakulam, Inde

Chandrashekar Janakiram

Université Andalas, Padang, Indonésie

Nur Indrawati Liputo

Centre arabe de nutrition, Manama, Bahreïn

Abdulrahman Musaiger

Université des sciences médicales d'Ardabil, Ardabil, République islamique d'Iran

Farhad Pourfarzi

Université Bacha Khan, Charsadda, Pakistan

Iftikhar Alam

Institut Belge de Santé Publique, Bruxelles, Belgique

Karin De Ridder

Biodiversity International, Maccarese, Italie

Céline Termote

École de médecine de Brighton et Sussex, Brighton, Royaume-Uni

Anjoum Memon

CREA-Alimentation et Nutrition, Rome, Italie

Aida Turrini, Elisabetta Lupotto, Raffaela Piccinelli & Stefania Sette

Université Cadi Ayyad, Ben Guérir, Maroc

Karim Anzid

Centre d'études sur les troubles sensoriels, le vieillissement et le métabolisme (CeSSIAM), Guatemala City, Guatemala

Marie Vossenaar

Centre d'études sur les médias, New Delhi, Inde

Paramita Mazumdar

Center for Antihand Nutritional Care (CANIA), Miami, Floride, États-Unis

Ingrid Rached

Centre d'études sur la nutrition infantile (CESNI), Buenos Aires, Argentine

Alicia Rovirosa et Maria Elisa Zapata

Collège des sciences appliquées, Département des sciences alimentaires et de la nutrition appliquée, Université des sciences et technologies d'Addis-Abeba, Addis-Abeba, Éthiopie

Tamen Taye Asayehu

Groupe consultatif pour la recherche agricole internationale (CGIAR), Montpellier, France

Francis Oduor, Julia Boedecker & Lillian Aluso

Université de Cuenca, Cuenca, Équateur

Johana Ortiz-Ulloa

Delhi School of Economics, Université de Delhi, Delhi, Inde

JV Meenakshi

Département de l'Alimentation Scolaire, Sao Paulo, Brésil

Michel Castro

Département des sciences biomédicales et biotechnologiques, Université de Catnia, Catane, Italie

Joseph Grosso

Département d'épidémiologie cardiovasculaire, de prévention et de promotion de la santé, Institut de cardiologie, Varsovie, Pologne

Anna Waskiewicz

Département des sciences de la santé communautaire, Université Aga Khan, Karachi, Pakistan

Umber S.Khan

Centre du diabète, 2e Département de médecine interne, Université d'Athènes, Athènes, Grèce

Anastasia Thanopoulou

Institut de recherche sur les maladies digestives, Université des sciences médicales de Téhéran, Téhéran, République islamique d'Iran

Reza Malekzadeh

Direction de l'information et de la recherche sur la santé, Tarxien, Malte

Neville Calleja

Institut national néerlandais pour la santé publique et l'environnement (RIVM), Bilthoven, Pays-Bas

Marga Ocke et Zohreh Etemad

Réseau de santé publique de la Méditerranée orientale (EMPHNET), Amman, Jordanie

Mohannad Al Nsour

Université Egerton, Njoro, Kenya

Lydiah M. Waswa

Institut national estonien pour le développement de la santé, Tallinn, Estonie

Coin Eha

FHI Solutions, Washington, DC, États-Unis

Jeanne Arsenault

FOSCAL et UDES, Bucaramanga, Colombie

Patricio López-Jaramillo

Faculté des sciences de la santé, Université américaine de Beyrouth, Beyrouth, Liban

Abla Mehio Sibaï

Faculté de médecine, Université Eduardo Mondlane, Maputo, Mozambique

Albertine Damas

Faculté de médecine, Université de Colombo, Colombo 5, Sri Lanka

Carukshi Arambépola

Faculté de médecine - Institut de santé publique, Université de Porto, Porto, Portugal

Carla Lopes, Milton Severo et Nuno Lunet

Faculté de nutrition et des sciences alimentaires, Université de Porto, Porto, Portugal

Duarte Torres

Institut finlandais pour la santé et le bien-être, Helsinki, Finlande

Heli Tapanainen, Jaana Lindstrom & Suvi Virtanen

Université internationale de Floride, Miami, Floride, États-Unis

Cristina Palacios

Centre de recherche Folkhälsan, Helsinki, Finlande

Eva Roos

Institut de recherche sur l'alimentation et la nutrition (DOST-FNRI), Manille, Philippines

Imelda Angeles Agdeppa & Josie Inconnu

Institut de recherche sur l'alimentation et la nutrition (DOST-FNRI), Taguig City, Philippines

Mario Capanzana

Fortis CDOC Centre for Excellence for Diabetes, New Delhi, Inde

Anoop Misra

FrieslandCampina, Amersfoort, Pays-Bas

Ilse Khouw et Swee Ai Ng

Fondation cardiovasculaire de Colombie, Bucaramanga, Colombie

Edna Gamboa Delgado

Fondation INFANT et Conseil national de la recherche scientifique et technique (CONICET), Buenos Aires, Argentine

Mauricio Caballero

Fondation ophtalmologique Santander (FOSCAL), Floridablanca, Colombie

Johanna Otero

Université Gachon, Seongnam-si, Corée du Sud

Hae-Jeung Lee

Université Gazi, Ankara, Turquie

Mme Coxal

Hôpitaux universitaires de Genève, Genève, Suisse

Idris Guessous

Université de Gand, Gand, Belgique

Carl Lachat et Stefaan De Henauw

Global Dietary Database Consortium, Boston, MA, États-Unis

Ali Reza Rahbar, Alison Tedstone, Androniki Naska, Angie Mathee, Annie Ling, Bemnet Tedla, Beth Hopping, Brahmam Ginnela, Catherine Leclercq, Charmaine Duante, Christian Haerpfer, Christine Hotz, Christos Pitsavos, Colin Rehm, Coline van Oosterhout, Corazon Cerdena, Debbie Bradshaw, Dimitrios Trichopoulos, Dorothy Gauci, Dulitha Fernando, Elzbieta Sygnowska, Erkki Vartiainen, Farshad Farzadfar, Gabor Zajkas, Gillian Swan, Guansheng Ma, Gulden Pekcan, Hajah Masni Ibrahim, Harri Sinkko, Helene Enghardt Barbieri, Isabelle Sioen, Jannicke Myhre, Jean-Michel Gaspoz, Jillian Odenkirk, Kanitta Bundhamcharoen, Keiu Nelis, Khairul Zarina, Lajos Biro, Lars Johansson, Laufey Steingrimsdottir, Leanne Riley, Mabel Yap, Manami Inoue, Maria Szabo, Marja-Leena Ovaskainen, Mei-Shyuan Lee, Mei Fen Chan, Melanie Cowan, Mirnalini Kandiah, Ola Kally, Olof Jonsdottir, Pam Palmer, Peter Vollenweider, Philippos Orfanos, Renzo Asciak, Robert Templeton, Rokiah Don, Roseyati Yaakub, Rusidah Selamat, Safiah Yusof, Sameer Al-Zenki, Shu-Yi Hung , Sigrid Beer-Borst, Suh Wu, Widjaja Lukito, Wilbur Hadden, Wulf Becker, Xia Cao, Yi Ma, Yuen Lai & Zaiton Hjdaud

Gouvernement du Canada, Statistique Canada, Ottawa, Ontario, Canada

Didier Garriguet, Jennifer Ali, Ron Gravel & Tina Tao

Université Griffith, Gold Coast, Queensland, Australie

Jacob Lennert Veerman

Institut de recherche médicale HC Jehangir, Pune, Inde

Shashi Chiplonkar

Faculté de médecine de l'Université Hacettepe, Ankara, Turquie

Mustafa Arici

Université médicale de Hanoï, Hanoï, Vietnam

Le Tran Ngoan

Université Harokopio, Athènes, Grèce

Démosthène Panagiotakos

École de santé publique de Harvard, Cambridge, MA, États-Unis

Yanping Li

Hellenic Health Foundation et Université d'Athènes, Athènes, Grèce

Antonia Trichopoulou

Collège de médecine Herbert Wetheim, Miami, Floride, États-Unis

Noël Barengo

Institut de recherche médicale Hirabai Cowasji Jehangir, Pune, Inde

Anuradha Khadilkar et Veena Ekbote

Centre de recherche sur l'hypertension, Centre de recherche cardiovasculaire, Université des sciences médicales d'Ispahan, Ispahan, Iran

Noushin Mohammadifard

ICCAS (Institut de coopération scientifique sur l'environnement et la santé), Buenos Aires, Argentine

Irina Kovalski

ICMR-Institut national de la nutrition, Hyderabad, Inde

Avula Laxmaiah, Harikumar Rachakulla, Hemalatha Rajkumar, Indrapal Meshram, Laxmaiah Avula, Nimmathota Arlappa et Rajkumar Hemalatha

IRCCS Neuromed, Pozzilli, Italie

Licia Lacoviello, Marialaura Bonaccio & Simona Costanzo

Institut de Recherche pour le Developpement, Montpellier, France

Yves Martin-Prével

Institut de Veille Sanitaire, Bobigny, France

Katia Castetbon

Institute for International Investigation, NDRI-USA, New York, NY, USA

Nattinee Jitnarin

Institut des sciences biomédicales, Academia Sinica, Taipei, Taiwan ROC

Yao-Te Hsieh

Institut de nutrition et de technologie alimentaire (INTA), Université du Chili, Santiago, Chili

Sonia Olivares

Institut de la nutrition en Amérique centrale et au Panama (INCAP), Guatemala City, Guatemala

Gabriela Tejeda

Institut de santé publique de la Fédération de Bosnie-Herzégovine, Sarajevo, Bosnie-Herzégovine

Aida Hadziomeragic

Institut d'études en santé publique, Université fédérale de Rio de Janeiro (UFRJ), Rio de Janeiro, Brésil

Amanda de Moura Souza

Instituts des sciences biomédicales, Academia Sinica, Taipei, Taiwan ROC

Casserole Wen-Harn

Centre international de recherche sur le cancer, Lyon, France

Inge Huybrechts

Institut international de recherche sur les politiques alimentaires (IFPRI), Washington, DC, États-Unis

Alan de Brauw & Mourad Moursi

Centre de recherche en cardiologie interventionnelle, Centre de recherche cardiovasculaire, Université des sciences médicales d'Ispahan, Isfahan, Iran

Maryam Maghroun

Intitut de Recherche en Sciences de la Sante, Bobo-Dioulasso, Burkina Faso

Augustin Nawidimbasba Zeba

Centre de recherche cardiovasculaire d'Ispahan, Centre de recherche cardiovasculaire, Université des sciences médicales d'Ispahan, Ispahan, Iran

Nizal Sarrafzadegan

Centre israélien de contrôle des maladies, Ramat Gan, Israël

Little Keinan-Boker, Rebecca Goldsmith et Tal Shimony

Université Justus Liebig de Giessen, Giessen, Allemagne

Irmgard Jordanie

KLE Academy of Higher Education and Research (Deemed-to-be-University) Jawaharlal Nehru Medical College, Belagavi, Inde

Shivanand C. Mastiholi

Institut de recherche médicale du Kenya, Nairobi, Kenya

Moïse Mwangi, Yeri Kombe et Zipporah Bukania

Université King Abdulaziz, Djeddah, Arabie Saoudite

Eman Alissa

Université King Saud, Riyad, Arabie Saoudite

Nasser Al-Daghri et Shaun Sabico

King's College de Londres, Londres, Royaume-Uni

Martin Gullford

Ecole de Santé Publique de Kinshasa, Kinshasa, République Démocratique du Congo

Tshilenge S. Diba

Agence coréenne de contrôle et de prévention des maladies (KDCA), Cheongju, Corée du Sud

Kyungwon Oh, Sanghui Kweon et parc Sihyun

Université de Corée, Séoul, Corée du Sud

Yoonsu Cho

Institut koweïtien pour la recherche scientifique, Koweït City, Koweït

Souad Al-Hooti

Institut Lao Tropical et de Santé Publique, Vientiane, RDP Lao

Cliquez sur Télécharger pour enregistrer Chanthaly Luangphaxay - Daovieng Douangvicit mp3 youtube com

Centre Hospitalier Universitaire Lausanne (CHUV) et Université de Lausanne, Lausanne, Suisse

Pedro Marques-Vidal

Centre Leibniz de recherche sur le paysage agricole, Muncheberg, Allemagne

Constance Rybak

Université Loyola de Chicago, Chicago, Illinois, États-Unis

Amy Luc

Université Mahidol, Nakhon Pathom, Thaïlande

Par Rojroongwasinkul

Université Mahidol, Bangkok, Thaïlande

Noppawan Piaseu

Conseil malaisien de l'huile de palme (MPOC), Petaling Jaya, Malaisie

Kalyana Sundram

Centre médical Markovs, Sofia, Bulgarie

Donka Baïkova

Centre de recherche sur la ménopause et l'andropause, Université des sciences médicales d'Ahvaz Jundishapur, Ahvaz, République islamique d'Iran

Parvin Abedi

Ministère de la Santé, Kuala Lumpur, Malaisie

Fariza Fadzil

Ministère de la Santé, Sabak Bernam, Malaisie

Noriklil Boukhary Ismail Boukhary

Ministère de la Santé, Victoria, Seychelles

Pascal Bovet

Ministère de la Santé, Jakarta, Indonésie

Sandjaja Sandjaja

NYU School of Medicine, New York, NY, États-Unis

Yu Chen

National Cancer Center Institute for Cancer Control, Tokyo, Japon

Norie Sawada et Shoichiro Tsugane

Centre national de santé publique et d'analyses (NCPHA), Sofia, Bulgarie

Lalka Rangelova, Stefka Petrova & Vesselka Duleva

Agence nationale de l'alimentation, Uppsala, Suède

Anna Karin Lindroos, Jessica Petrelius Sipinen, Lotta Moraeus et Per Bergman

Commission nationale de l'alimentation et de la nutrition, Lusaka, Zambie

Quartier Siamusantu

Institut national de l'alimentation et de la nutrition, Varsovie, Pologne

Lucjan Szponar

Instituts nationaux de recherche en santé, canton de Zhunan, Taiwan ROC

Hsing-Yi Chang

Institut national d'études environnementales, Division des risques sanitaires et environnementaux, Tsukuba, Japon

Makiko Sekiyama

Institut national de la nutrition, Hyderabad, Inde

Balakrishna Nagalla, Kalpagam Farm & Settlement Boindala

Institut national de la nutrition, Hanoï, Vietnam

Khanh Le Nguyen Bao

Institut National de Nutrition et de Technologie Alimentaire & SURVEN RL, Tunis, Tunisie

Jalila El Ati

Institut national de santé publique (INSP), Mexico, Mexique

Daniel Illescas-Zarate & Luz Maria Sanchez-Romero

Institut national de santé publique (INSP), Cuernavaca, Mexique

Ivonne Ramirez Silva, Juan Rivera Dommarco, Simon Barquera & Sonia Rodríguez-Ramírez

Instituts nationaux d'innovation biomédicale, de santé et de nutrition, Tokyo, Japon

Nayu IkedaPlus

Institut national de la nutrition, Le Caire, Égypte

Sahar Zaghloul

Institut national de recherche sur la nutrition et la technologie alimentaire (NNFTRI) : SBMU, Téhéran, République islamique d'Iran

Anahita Houshiar-rad, Fatemeh Mohammadi-Nasrabadi & Morteza Abdollahi

Université nationale de Malaisie (UKM), Kuala Lumpur, Malaisie

Cliquez sur Télécharger pour enregistrer Khun-Aik Chuah & Zaleha Abdullah Mahdy mp3 youtube com

Recherche Nestlé, Lausanne, Suisse

Alison Eldridge

Institut des systèmes complexes de la Nouvelle-Angleterre, Cambridge, MA, États-Unis

Eric L. Ding

Université du Nord-Ouest, Potchefstroom, Afrique du Sud

Herculine Kruger

Université métropolitaine d'Oslo (OsloMet), Oslo, Norvège

Sigrun Henjum

Université Perdana, Puchong, Malaisie

Anne Fernandez

Collège royal des chirurgiens d'Irlande, Dublin, Irlande

Anne Fernandez

Université Pontificale Sectionnelle Javeriana, Cali, Colombie

Milton Fabian Suarez-Ortegon

Autorité publique pour l'alimentation et la nutrition, Sabah Al Salem, Koweït

Nawal Al-Hamad

Autorité de santé publique de la République slovaque, Bratislava, République slovaque

Veronika Janska

Université du Qatar et Université de Jordanie, Doha, Qatar

Reema Tayyem

Institut de recherche en sciences endocriniennes, Université des sciences médicales Shahid Beheshti, Téhéran, République islamique d'Iran

Miroirs Parvin

Institut de recherche pour la prévention primordiale des MNT, Université des sciences médicales d'Ispahan, Ispahan, République islamique d'Iran

Roya arrive

Département d'évaluation des risques et des avantages, Agence alimentaire suédoise, Uppsala, Suède

Eva Warensjo Lemming

Institut Robert Koch, Berlin, Allemagne

Almut Richter, Gert Mensink et Lothar Wieler

Université Rutgers, Nouveau-Brunswick, NJ, États-Unis

Daniel Hoffmann

Santé publique France, the French Public Health Agency, Saint Maurice, France

Benoit Salanave

Université nationale de Séoul, Séoul, Corée du Sud

Cho-il Kim

Institut de recherche St John, Bangalore, Inde

Rebecca Kuriyan-Raj et Sumathi Swaminathan

Université des sciences médicales de Tabriz, Tabriz, République islamique d'Iran

Saïd Dastgiri

Université de Tallinn, Tallinn, Estonie

Sirje Vaask

Université Taylor, Subang Jaya, Malaisie

Tilakavati Karupaiah

Université de Teesside, Middlesbrough, Royaume-Uni

Fatemeh Vida Zohoori

Université des sciences médicales de Téhéran, Téhéran, République islamique d'Iran

Alireza Esteghamati & Sina Noshad

Université des sciences médicales de Téhéran et Université d'Utica, Téhéran, République islamique d'Iran

Maryam Hashemian

Université technique du Kenya, Nairobi, Kenya

Elisabeth Mwaniki

L'Université du Nouveau-Mexique, Albuquerque, NM, États-Unis

Elizabeth Yakes-Jimenez

Centre de recherche sur les maladies tropicales, Ndola, Zambie

Justin Chileshe et Sydney Mwanza

Unité publique de nutrition, Macul, Chili

Lydia Lera Marques

Département de biochimie, Université de Porto Rico - Campus des sciences médicales, San Juan, Porto Rico

Alan Martin Preston

Université de San Sebastian, Santiago, Chili

Samuel Duran Agüero

Université technique du Nord, Ibarra, Équateur

Mariana Oléas

Université d'Antioquia, Medellin, Colombie

Lampe Posada

Université de Cuenca, Cuenca, Équateur

Angélique Ochoa

Centre médical de l'Université nationale de Malaisie, Kuala Lumpur, Malaisie

Khadijah Shamsuddin

Universiti Putra Malaysia, Serdang, Malaisie

Zalilah Mohd Shariff

Université des sciences de Malaisie, Kubang Kerian, Malaisie

Hamid Jan Bin Jan Mohamed et Wan Manan

Centre universitaire de soins primaires et de santé publique (Unisanté), Lausanne, Suisse

Pascal Bovet

Université du Bas Danube, Galati, Roumanie

Anca Nicolau et Cornelia Tudorie

Université nationale de Malaisie, Bangi, Malaisie

Abeille Koon Poh

Université d'Aberdeen, Aberdeen, Royaume-Uni

Paméla Abbott

Université de l'Alberta, Edmonton, Alberta, Canada

Mohammadreza Pakseresht & Sangita Sharma

Université de Bergen, Bergen, Norvège

Brin Tor

Université de Bonn, Département des sciences de la nutrition et de l'alimentation, Bonn, Allemagne

Ute Alexy & Ute Nöthlings

Université de Californie Davis, Davis, Californie, États-Unis

Jan Carmikle et Ken Brown

Université de Cincinnati, Cincinnati, Ohio, États-Unis

Jérémy Koster

Université de Colombo, Colombo, Sri Lanka

Indu Waidyatilaka, Pulani Lanerole & Ranil Jayawardena

École de médecine de l'Université du Colorado, Aurora, CO, États-Unis

Julie M. Long, K. Michael Hambidge et Nancy F. Krebs

Université de Dacca, Dacca, Bangladesh

Aminul Haque

Université de Göttingen, Göttingen, Allemagne

Gudrun B. Keding

Université d'Helsinki, Département d'alimentation et de nutrition, Helsinki, Finlande

Liisa Korkalo, Maijaliisa Erkkola & Riitta Freese

Université de Hohenheim, Stuttgart, Allemagne

Laila Eleraky et Wolfgang Stuetz

Université d'Islande, Reykjavík, Islande

Inga Thorsdottir & Ingibjorg Gunnarsdottir

Université d'Insubria, Varese, Italie

Licia Lacoviello

Université de Las Palmas de Gran Canaria (ULPGC), Las Palmas, Espagne

Lluis Serra Majem

Université de Malaya, Kuala Lumpur, Malaisie

Foong Ming Moy

Université de Manchester, Manchester, Royaume-Uni

Simon Anderson

Université de Maurice, Moka, Maurice

Rajesh Jeewon

Université de médecine et de pharmacie Carol Davila, Bucarest, Roumanie

Corina Aurélia Zugravu

Université de Caroline du Nord à Chapel Hill, Chapel Hill, Caroline du Nord, États-Unis

Linda Adair et Shu Wen Ng

Université d'Otago, Dunedin, Nouvelle-Zélande

Sheila Skeaf

Université de Sao Paulo, Sao Paulo, Brésil

Dirce Marchioni & Regina Fisberg

Université de la Saskatchewan, Saskatoon, Saskatchewan, Canada

Carol Henry, Getahun Ersino et Gordon Zello

Université de Vienne, Vienne, Autriche

Alexa Meyer et Ibrahim Elmadfa

Université des Caraïbes du Sud, Port-d'Espagne, Trinité-et-Tobago

Claudette Mitchell et David Balfour

Université de Wageningen, Wageningen, Pays-Bas

Johanna M. Geleijnse

Université de Washington à St. Louis, St. Louis, MO, États-Unis

Marc Manari

Organisation mondiale de la santé (OMS), Genève, Suisse

Laetitia Nikiema

Organisation mondiale de la santé (OMS), Amman, Jordanie

Tatiana El-Kour

Centre de recherche cardiovasculaire de Yazd, Université des sciences médicales Shahid Sadoughi, Yazd, République islamique d'Iran

Massoud Mirzaei

Université Ziauddin de Karachi, Karachi, Pakistan

Rubina Hakeem

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

VM, PW et DM ont conceptualisé et conçu l'étude. VM, RM, JR et JC ont participé à la collecte des données. VM, FC, JZ, PS et JE-M. ont effectué les analyses de l'étude. VM, PW et DM ont rédigé le manuscrit. Tous les auteurs ont interprété les données, lu le manuscrit final, examiné son contenu intellectuel important et approuvé sa soumission. VM et DM sont les garants de ce travail.

Correspondance à Victoria Miller.

VM rapporte un financement de recherche des Instituts de recherche en santé du Canada, en dehors des travaux soumis. PW rapporte des subventions et des contrats de recherche de l'Agence des États-Unis pour le développement international et des honoraires personnels du Groupe d'experts mondial sur l'agriculture et les systèmes alimentaires pour la nutrition, en dehors du travail soumis. JR, JZ et PS rapportent un financement de recherche de Nestlé, en dehors des travaux soumis. JC rapporte un financement de la recherche de la Fondation Bill et Melinda Gates et de l'Agence des États-Unis pour le développement international, et des frais personnels de l'UNICEF/OMS, en dehors du travail soumis. DM rapporte un financement de la recherche des National Institutes of Health et de la Fondation Bill et Melinda Gates; les honoraires personnels de GOED, Bunge, Indigo Agriculture, Motif FoodWorks, Amarin, Acasti Pharma, Cleveland Clinic Foundation, America's Test Kitchen et Danone ; membre du conseil consultatif scientifique de Brightseed, DayTwo, Elysium Health, Filtricine, HumanCo et Tiny Organics ; et les redevances de chapitre d'UpToDate, toutes en dehors du travail soumis. Les autres auteurs n'ont aucune divulgation à déclarer.

Nature Food remercie Inge Tetens et les autres examinateurs anonymes pour leur contribution à l'examen par les pairs de ce travail.

Note de l'éditeur Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Les données sont le score moyen (intervalle d'incertitude à 95 %). Le score AHEI variait de 0 à 100. <6 ans : <6 ans d'études ; ≥6 à <12 ans : ≥6 à <12 ans d'études ; ≥12 ans : ≥12 ans d'études. Rural : résidence rurale ; urbain : résidence urbaine.

Les données sont le score moyen (intervalle d'incertitude à 95 %). Le score DASH variait de 5 à 40. <6 ans : <6 ans d'études ; ≥6 à <12 ans : ≥6 à <12 ans d'études ; ≥12 ans : ≥12 ans d'études. Rural : résidence rurale ; urbain : résidence urbaine.

Les données sont le score moyen (intervalle d'incertitude à 95 %). Le score MED variait de 0 à 8. <6 ans : <6 ans d'études ; ≥6 à <12 ans : ≥6 à <12 ans d'études ; ≥12 ans : ≥12 ans d'études. Rural : résidence rurale ; urbain : résidence urbaine.

Le score DASH variait de 5 à 40 et le score MED de 0 à 8.

Le score DASH variait de 5 à 40 et le score MED de 0 à 8.

Le score DASH variait de 5 à 40 et le score MED de 0 à 8. La différence absolue entre 2018 et 1990 a été calculée comme la différence au niveau de la strate et agrégée aux différences moyennes mondiales et régionales en utilisant les proportions pondérées de la population pour 2018.

La différence absolue par éducation a été calculée comme la différence au niveau de la strate et agrégée aux différences moyennes mondiales et régionales en utilisant les proportions pondérées de la population pour les niveaux d'éducation faible (<6 ans) et élevé (≥12 ans) uniquement (exclut le niveau d'éducation = ≥6 à <12 ans).

La différence absolue par urbanité a été calculée comme la différence au niveau de la strate et agrégée aux différences moyennes mondiales et régionales en utilisant les proportions pondérées de la population.

La différence absolue dans le temps a été calculée comme la différence au niveau de la strate et agrégée aux différences moyennes mondiales et régionales en utilisant les proportions pondérées de la population pour 2018.

Méthodes supplémentaires, tableaux 1 à 8 et discussion.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur n'importe quel support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Miller, V., Webb, P., Cudhea, F. et al. La qualité alimentaire mondiale dans 185 pays de 1990 à 2018 montre de grandes différences selon la nation, l'âge, l'éducation et l'urbanité. Nat Food 3, 694–702 (2022). https://doi.org/10.1038/s43016-022-00594-9

Télécharger la citation

Reçu : 23 mars 2022

Accepté : 12 août 2022

Publié: 19 septembre 2022

Date d'émission : septembre 2022

DOI : https://doi.org/10.1038/s43016-022-00594-9

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

Nourriture naturelle (2023)

Avis en Biologie des poissons et pêche (2022)