Oct 06, 2023
Die globale Ernährungsqualität in 185 Ländern von 1990 bis 2018 weist große Unterschiede je nach Nation, Alter, Bildung und Urbanität auf
Nature Food Band 3, Seiten
Nature Food Band 3, Seiten 694–702 (2022)Diesen Artikel zitieren
28.000 Zugriffe
8 Zitate
611 Altmetrisch
Details zu den Metriken
Eine Autorenkorrektur zu diesem Artikel wurde am 24. Januar 2023 veröffentlicht
Dieser Artikel wurde aktualisiert
Die Erkenntnisse darüber, was Menschen weltweit essen, sind in Umfang und Aussagekraft begrenzt, insbesondere wenn sie sich auf Kinder und Jugendliche beziehen. Dies beeinträchtigt die Zielsetzung und Investitionen in evidenzbasierte Maßnahmen zur Unterstützung einer gesunden, nachhaltigen Ernährung. Hier haben wir globale, regionale und nationale Ernährungsmuster bei Kindern und Erwachsenen nach Altersgruppe, Geschlecht, Bildung und Urbanität in 185 Ländern zwischen 1990 und 2018 auf der Grundlage von Daten aus dem Global Dietary Database-Projekt quantifiziert. Unser primärer Maßstab war der Alternative Healthy Eating Index, eine validierte Bewertung der Ernährungsqualität; Anschließend wurden Ernährungsansätze zur Bekämpfung von Bluthochdruck und Score-Muster für die Mittelmeerdiät bewertet. Die Qualität der Ernährung ist weltweit im Allgemeinen bescheiden. Im Jahr 2018 lag der durchschnittliche globale Alternative Healthy Eating Index-Wert bei 40,3 und reichte von 0 (am wenigsten gesund) bis 100 (am gesündesten), wobei die regionalen Mittelwerte von 30,3 in Lateinamerika und der Karibik bis 45,7 in Südasien reichten. Die Werte zwischen Kindern und Erwachsenen waren im Allgemeinen in allen Regionen ähnlich, mit Ausnahme von Mittel-/Osteuropa und Zentralasien, Ländern mit hohem Einkommen sowie dem Nahen Osten und Nordafrika, wo Kinder eine schlechtere Ernährungsqualität aufwiesen. Weltweit waren die Bewertungen der Ernährungsqualität bei Frauen höher als bei Männern und bei weniger gebildeten Personen höher. Die Ernährungsqualität hat zwischen 1990 und 2018 weltweit und in allen Weltregionen leicht zugenommen, mit Ausnahme von Südasien und Afrika südlich der Sahara, wo sie sich nicht verbessert hat.
Schlechte Ernährung ist weltweit eine der häufigsten Krankheitsursachen und für schätzungsweise 26 % der weltweiten vermeidbaren Sterblichkeit verantwortlich1,2,3,4. Während einzelne Lebensmittel und Nährstoffe wichtig sind, sind allgemeine Ernährungsgewohnheiten stärker mit der Gesundheit verbunden5. Es gibt Belege für interaktive und synergistische Beziehungen zwischen Nahrungsmitteln und Nährstoffen, wenn sie zusammen verzehrt werden6, was zu komplementären Wirkungen führt5. Während die verschiedenen Komponenten eines optimalen Ernährungsmusters gut etabliert und validiert sind7, ist die weltweite Verteilung solcher Muster nicht gut charakterisiert. Dies gilt insbesondere für Kinder und Jugendliche, bei denen bisher keine globalen Ernährungsgewohnheiten festgestellt wurden.
Frühere Ernährungsstudien beschränkten sich auf kleine Untergruppen von Ländern8,9 und verwendeten nationale Pro-Kopf-Nahrungsmittelverfügbarkeits- oder Verkaufsdaten als direkte Dateneingaben10,11,12,13,14, die die Aufnahme im Vergleich zu Daten auf individueller Ebene erheblich falsch einschätzten15 und nicht einbezogen Kinder, Jugendliche oder junge Erwachsene (<25 Jahre)8,9,10,11,12,16. Darüber hinaus gibt es kaum Belege für globale Unterschiede in den Ernährungsgewohnheiten, beispielsweise nach Alter, Geschlecht, Bildung und Urbanität. Außerdem wurden in keiner früheren globalen Studie mehrere validierte Messgrößen der Ernährungsqualität17 gemeinsam bewertet, etwa der Alternative Healthy Eating Index (AHEI), die Dietary Approaches to Stop Hypertension (DASH) und der Mediterranean Diet Score (MED).
Um diese Wissenslücken zu schließen, haben wir in diesem Artikel globale, regionale und nationale Ernährungsmuster und -trends auf der Grundlage individueller Aufnahmedaten bei Erwachsenen und Kindern aus 185 Ländern in den Jahren 1990 und 2018 charakterisiert. Die Ergebnisse wurden weiter nach Alter bewertet , Sex, Bildung und Urbanität in jedem Land. Für diese Analyse wurden die neuesten Daten der Global Dietary Database (GDD) aus dem Jahr 2018 verwendet, die auf individuellen Ernährungsumfragen auf der ganzen Welt basieren18.
Das GDD ist eine gemeinsame Anstrengung zur systematischen Identifizierung, Zusammenstellung und Standardisierung individueller Ernährungsdaten zu 53 Lebensmitteln, Getränken und Nährstoffen (Methoden). Das GDD verwendet Bayes'sche Modellierungsmethoden, um die Nahrungsaufnahme für 185 Länder zwischen 1990 und 2018 gemeinsam stratifiziert nach Alter, Geschlecht, Bildung, Niveau und Urbanität zu schätzen.
Im Jahr 2018 lag der globale Mittelwert des AHEI-Scores bei 40,3 (95 %-Unsicherheitsintervall (UI) 39,4, 41,3), wobei die regionalen Mittelwerte zwischen 30,3 (28,7, 32,2) in Lateinamerika und der Karibik und 45,7 (43,8, 49,3) in lagen Südasien (Abb. 1). Unter den Bewertungskomponenten wurden die weltweit höchsten Werte für gesündere Produkte für Hülsenfrüchte/Nüsse (5,0; 4,8, 5,3) erzielt, gefolgt von Vollkorn (4,7; 4,5, 5,0), Omega-3-Fett aus Meeresfrüchten (4,2; 3,8, 5,1) und nicht stärkehaltiges Gemüse (3,9; 3,8, 4,0); Unter den ungesünderen Artikeln erzielten zuckergesüßte Getränke (SSBs) (5,8; 5,7, 5,9) und rotes/verarbeitetes Fleisch (4,8; 4,5, 5,1) die höchsten Werte (niedrigste oder günstigste Aufnahme). Diese Score-Komponenten variierten jedoch je nach Weltregion erheblich. Beispielsweise wurden in Südasien die höchsten Werte für einen höheren Anteil an Vollkornprodukten und einen geringeren Anteil an rotem/verarbeitetem Fleisch und SSB erzielt, während die höchsten Werte in Lateinamerika und der Karibik für einen höheren Anteil an Hülsenfrüchten/Nüssen und einen geringeren Natriumgehalt erzielt wurden.
AHEI-Score: neun Komponenten, jeweils mit Werten von 0 bis 10 bewertet und auf zehn Komponenten skaliert (Korrektur für Transfette angezeigt). Gesunde Bestandteile: Obst, nicht stärkehaltiges Gemüse, Hülsenfrüchte/Nüsse, Vollkornprodukte, PUFAs und Omega-3-Fett aus Meeresfrüchten; ungesunde Bestandteile: rotes/verarbeitetes Fleisch, SSBs und Natrium.
Nur zehn Länder, die weniger als 1 % der Weltbevölkerung repräsentieren, hatten AHEI-Werte ≥50. Unter den 25 bevölkerungsreichsten Ländern der Welt war der mittlere AHEI-Wert in Vietnam, Iran, Indonesien und Indien am höchsten (54,5 bis 48,2) und in Brasilien, Mexiko, den Vereinigten Staaten und Ägypten am niedrigsten (27,1–33,5) (Abb. 2). Die meisten Komponentenwerte variierten in diesen bevölkerungsreichen Ländern erheblich. Beispielsweise wurde ein 100-facher Unterschied beim Natriumwert, ein 90-facher Unterschied beim Wert für rotes/verarbeitetes Fleisch und ein 23-facher Unterschied beim SSB-Wert festgestellt. Unter den Komponenten variierten die Werte für mehrfach ungesättigte Fettsäuren (PUFA) und nicht stärkehaltiges Gemüse in den bevölkerungsreichen Ländern am wenigsten (zweifach bzw. dreifach).
Kinder: ≤1 Jahr bis ≤19 Jahre; Erwachsene: ≥20 Jahre. Der AHEI-Wert lag zwischen 0 und 100. Der mittlere nationale Wert wurde als Summe der Komponentenwerte auf Schichtebene berechnet und unter Verwendung gewichteter Bevölkerungsanteile für 2018 zum nationalen Mittelwert aggregiert.
Weltweit war der mittlere AHEI-Wert im Jahr 2018 bei Kindern (39,2; 38,2, 40,3) im Vergleich zu Erwachsenen (40,8; 39,8, 42,0) ähnlich (Abb. 1). Allerdings war der mittlere AHEI-Wert bei Erwachsenen im Vergleich zu Kindern in Mittel-/Osteuropa und Zentralasien, Ländern mit hohem Einkommen sowie der Region Naher Osten und Nordafrika wesentlich höher. Nach Alter wiesen die meisten Regionen J- oder U-förmige Beziehungen auf, wobei die höchsten Werte bei den jüngsten (≤5 Jahren) und/oder ältesten Altersgruppen (≥75 Jahre) beobachtet wurden (Abb. 3).
Der AHEI-Wert lag zwischen 0 und 100. Die Kreise stellen den globalen oder regionalen Mittelwert für die Altersgruppe dar, und die Fehlerbalken stellen den entsprechenden 95 %-UI dar. Der Mittelwert und sein UI werden für den Mittelpunkt jeder Altersgruppe (<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 und ≥95 Jahre).
Unter den AHEI-Komponenten waren weltweit vier Komponentenwerte bei Kindern niedriger als bei Erwachsenen: Obst (2,2 (2,1, 2,3) gegenüber 2,5 (2,4, 2,5)), nicht stärkehaltiges Gemüse (3,1 (3,0, 4,5) gegenüber 4,3 (4,2). , 3,2)), SSBs (5,3 (5,1, 5,5) gegenüber 6,1 (6,0, 6,2)) und Meeresfrüchte-Omega-3 (3,3 (2,9, 4,0) gegenüber 4,7 (4,2, 5,7)), während zwei andere bei Kindern höher waren Erwachsene: PUFAs (2,1 (2,0, 2,2) gegenüber 1,4 (1,3, 1,5)) und Natrium (4,6 (4,1, 5,1) gegenüber 3,2 (2,9, 3,5)) (Abb. 1).
Nach Geschlecht war der mittlere AHEI-Wert bei Frauen im Allgemeinen höher als bei Männern weltweit und regional, wobei die größten Unterschiede in Ländern mit hohem Einkommen (Unterschied +4,4; 3,8, 5,0) sowie in Mittel-/Osteuropa und Zentralasien (+3,6; 3,8; 5,0) zu beobachten waren. 2.1, 5.3) (Erweiterte Daten Abb. 1). Bei der weltweiten Bewertung verschiedener AHEI-Komponenten erzielten Frauen leicht höhere Werte für Obst (+0,2; 0,2, 0,3), nicht stärkehaltiges Gemüse (+0,3; 0,1, 0,4) und Vollkornprodukte (+0,4; 0,2, 0,5).
Bei der Auswertung der Unterschiede nach Bildungsniveau waren die AHEI-Werte bei Personen mit einem höheren Bildungsniveau weltweit und in den meisten Regionen höher, mit Ausnahme des Nahen Ostens, Nordafrikas und Afrikas südlich der Sahara, wo keine Unterschiede erkennbar waren (Abb. 4). Unter den Weltregionen waren die Bildungsunterschiede in Mittel-/Osteuropa und Zentralasien (+3,6; 2,4, 4,9), Lateinamerika und der Karibik (+3,5; 0,9, 6,0) sowie Südasien (+2,9; 1,1, 4,9) am größten. . Weltweit hatten besser gebildete Personen höhere Werte für Obst (+0,8; 0,7, 0,9), Natrium (+0,7; 0,3, 1,1), Vollkornprodukte (+0,6; 0,4, 0,8) und nicht stärkehaltiges Gemüse (+0,5; 0,4, 0,6). Im Gegensatz dazu hatten Personen mit höherem Bildungsniveau jedoch auch niedrigere Werte (weniger günstige Konsumniveaus) für rotes/verarbeitetes Fleisch (−0,6; −0,7, −0,5), SSBs (−0,6; −0,8, −0,4) sowie Nüsse und Hülsenfrüchte ( −0,1; −0,2, −0,1) global.
AHEI-Score: Neun Komponenten wurden jeweils mit 0 bis 10 bewertet und auf zehn Komponenten skaliert (Korrektur nicht angezeigt). Die absolute Differenz nach Bildung wurde als Differenz auf Schichtebene berechnet und zu den globalen und regionalen Durchschnittsdifferenzen aggregiert, wobei gewichtete Bevölkerungsanteile nur für niedrige (<6 Jahre) und hohe Bildungsniveaus (≥12 Jahre) verwendet wurden (ausgenommen Bildungsniveau ≥6). und <12 Jahre).
Weltweit unterschieden sich die AHEI-Werte nicht signifikant zwischen städtischem und ländlichem Wohnort (Abb. 5). Allerdings waren in Mittel-/Osteuropa und Zentralasien (Unterschied +2,2; 0,9, 3,5) sowie in Südost- und Ostasien (+1,4; 0,6, 2,4) höhere Werte bei städtischen und ländlichen Personen zu erkennen, während bei städtischen und ländlichen Personen niedrigere Werte zu verzeichnen waren Personen im Nahen Osten und in Nordafrika (−3,8; −5,5, −2,2). Weltweit hatten Personen mit Wohnsitz in städtischen Gebieten höhere Werte für Obst (+0,2; 0,2, 0,3) und Vollkornprodukte (+0,2; 0,1, 0,4), aber niedrigere Werte für SSBs (–0,5; –0,7, –0,4), Rot/ verarbeitetes Fleisch (−0,4, −0,5, −0,1) und Hülsenfrüchte/Nüsse (−0,1; −0,2, −0,1).
AHEI-Score: Neun Komponenten wurden jeweils mit 0 bis 10 bewertet und auf zehn Komponenten skaliert (Korrektur nicht angezeigt). Der absolute Unterschied nach Urbanität wurde als Unterschied auf Schichtebene berechnet und unter Verwendung gewichteter Bevölkerungsanteile zu den globalen und regionalen Durchschnittsunterschieden aggregiert.
Zwischen 1990 und 2018 stieg der mittlere globale AHEI-Wert (standardisiert auf die Bevölkerungsverteilung von 2018) um +1,5 (1,0, 2,0). Zunehmende Trends gab es in fünf von sieben Regionen: Mittel-/Osteuropa und Zentralasien (+4,6; 4,0, 5,3); Länder mit hohem Einkommen (+3,2; 2,9, 3,5); Südost- und Ostasien (+2,7; 1,7, 3,8); der Nahe Osten und Nordafrika (+2,2; 1,4, 3,0); und Lateinamerika und die Karibik (+1,3; 0,6, 2,0). In Südasien war keine signifikante Veränderung zu beobachten (0; −0,9, 1,1) und in Afrika südlich der Sahara war ein rückläufiger Trend zu beobachten (−1,1; −1,8, −0,4) (Abb. 6).
AHEI-Score: Neun Komponenten wurden jeweils mit 0 bis 10 bewertet und auf zehn Komponenten skaliert (Korrektur nicht angezeigt). Die absolute zeitliche Differenz wurde als Differenz auf Schichtebene berechnet und unter Verwendung gewichteter Bevölkerungsanteile für 2018 zu den globalen und regionalen Durchschnittsdifferenzen aggregiert.
Unter den AHEI-Komponenten weltweit stiegen die Werte im Laufe der Zeit für nicht stärkehaltiges Gemüse (+1,1; 1,0, 1,2), Hülsenfrüchte/Nüsse (+1,1; 1,0, 1,3) und Obst (+0,1; 0,1, 0,2); verringert für rotes/verarbeitetes Fleisch (–1,4; –1,5, –1,2), SSBs (–0,6; –0,7, –0,6) und Natrium (–0,4; –0,6, –0,2); und blieb stabil für Vollkorn (+0,1; 0, 0,2), PUFAs (0; 0, 0,1) und Meeresfrüchte Omega-3 (0; 0, 0,1).
Unter den bevölkerungsreichsten Ländern verzeichneten Iran (+12,0; 9,9, 13,9), die Vereinigten Staaten (+4,6; 4,1, 5,1) und Vietnam (+4,5; 2,4, 7,2) die größte absolute Verbesserung des AHEI-Werts zwischen 1990 und 2018 ) und China (+4,3; 2,8, 5,9), während die größten Rückgänge in Tansania (−3,7; −5,8, −1,5), Nigeria (−3,0; −5,3, −0,7) und Japan (−2,7; −3,1) zu verzeichnen waren , −2,3) und den Philippinen (−1,8; −2,7, −0,9) (Abb. 7).
Der AHEI-Wert lag zwischen 0 und 100. Die absolute Differenz zwischen 2018 und 1990 wurde als Differenz auf Schichtebene berechnet und unter Verwendung gewichteter Bevölkerungsanteile für 2018 zu den nationalen Durchschnittsdifferenzen aggregiert.
Detaillierte Ergebnisse zu den DASH- und MED-Scores werden in den Zusatzinformationen dargestellt. Kurz gesagt, lagen die globalen Durchschnittswerte für DASH und MED im Jahr 2018 bei 22,9 (22,6, 23,2) bzw. 4,1 (3,9, 4,2) (Erweiterte Daten, Abb. 2 und 3). Regional waren die Mittelwerte für diese Werte in Südasien durchweg höher und in Lateinamerika und der Karibik niedriger (Erweiterte Daten, Abbildungen 4 und 5). Unter den Bevölkerungsuntergruppen waren die globalen DASH- und MED-Werte bei Erwachsenen höher als bei Kindern (DASH: 23,2 (22,9, 23,4) gegenüber 22,3 (21,9, 22,7); MED: 4,3 (4,1, 4,4) gegenüber 3,7 (3,5, 3,8)). unterschieden sich jedoch nicht nennenswert je nach Geschlecht (Extended Data Abb. 2 und 3). Die globalen Durchschnittswerte waren bei höher gebildeten gegenüber weniger gebildeten Personen höher (Unterschied +2,6 (2,3, 2,8) bzw. +0,3 (0,2, 0,4) (Erweiterte Daten, Abb. 7) und, nur für DASH, bei städtischen gegenüber ländlichen Personen (+0,4; 0,2, 0,7) (Erweiterte Daten Abb. 8). Weltweit stiegen die durchschnittlichen DASH- und MED-Werte zwischen 1990 und 2018 geringfügig um +1,0 (0,8, 1,1) für DASH und +0,3 (0,2, 0,4) für MED (Extended Data Abb. 6 und 9). Über alle Schichten hinweg betrugen die Interkorrelationen der Ernährungsmusterwerte im Jahr 2018 0,8 für AHEI und DASH, 0,5 für AHEI und MED und 0,6 für DASH und MED.
Bei dieser globalen Bewertung unterschiedlicher Ernährungsmuster in 185 Ländern in den Jahren 1990 und 2018 stellten wir eine insgesamt bescheidene Qualität der Ernährung fest, jedoch mit erheblichen Unterschieden nach Alter, Geschlecht, Bildung, Urbanität, Zeit und Weltregion sowie nach Ernährungsbestandteilen. Diese Ergebnisse, die auf der systematischen Sammlung und Standardisierung von mehr als 1.100 Ernährungsumfragen auf individueller Ebene weltweit basieren, liefern die aktuellsten und umfassendsten Schätzungen der globalen, regionalen und nationalen Ernährungsqualität bei Erwachsenen und Kindern, in Untergruppen nach Bildungsstand und Stadt versus ländlicher Wohnort und Vergleich dreier validierter Ernährungsmuster, darunter AHEI, DASH und MED17. Diese Ergebnisse haben wichtige Auswirkungen auf die öffentliche Gesundheit und informieren über die Prioritäten in jedem Land und jeder subnationalen Untergruppe, um die Ernährungssicherheit und gesundheitliche Chancengleichheit zu verbessern.
Unsere Ergebnisse verdeutlichen beispielsweise die regionalen Unterschiede zwischen einer unzureichenden Aufnahme gesunder Lebensmittel und einer übermäßigen Aufnahme ungesunder Lebensmittel. Beispielsweise wurden im Jahr 2018 die höchsten Werte für Ernährungsgewohnheiten in Ländern mit niedrigem Einkommen in Südasien und Afrika südlich der Sahara festgestellt, wo ein relativ geringer Konsum von SSBs und rotem/verarbeitetem Fleisch mit nationalen Daten zum Lebensmittel- oder Getränkeabsatz übereinstimmt19. Allerdings war auch der Verzehr gesunder Bestandteile wie Obst, nicht stärkehaltiges Gemüse, Hülsenfrüchte/Nüsse, Omega-3-Fettsäuren aus Meeresfrüchten und PUFAs in diesen Ländern alles andere als optimal. Dies deutet darauf hin, dass ein starker Fokus auf Richtlinien und Innovationen zur Steigerung der Aufnahme von Lebensmitteln, Meeresfrüchten und Pflanzenölen den größten Einfluss auf die Ernährungsqualität in diesen Ländern haben wird.
Im Gegensatz dazu hat in Ländern mit hohem Einkommen, in Mittel-/Osteuropa und Zentralasien sowie im Nahen Osten und in Nordafrika die zunehmende Aufnahme von Obst, nicht stärkehaltigem Gemüse, Hülsenfrüchten/Nüssen und Vollkornprodukten im Laufe der Zeit zu einer Verbesserung der Ernährungsqualität geführt wurden durch stabile Trends oder nur geringfügige Rückgänge bei rotem/verarbeitetem Fleisch, SSBs und Natrium ausgeglichen. Wir haben festgestellt, dass rotes/verarbeitetes Fleisch und Natrium im Laufe der Zeit in Asien, Lateinamerika und der Karibik deutlich zugenommen haben, was mit früheren länderspezifischen Berichten aus China, Japan und Mexiko übereinstimmt20,21,22. Diese Ergebnisse legen nahe, dass in diesen Regionen, insbesondere für Länder in Asien, Lateinamerika und der Karibik, ein doppelter Fokus auf die Steigerung gesünderer Lebensmittel und die Reduzierung schädlicher Faktoren von wesentlicher Bedeutung ist.
Mehrere Studien haben dokumentiert, dass die AHEI mit dem Risiko nicht übertragbarer Krankheiten verbunden ist23. Beispielsweise ergaben gepoolte Ergebnisse aus zwei US-Kohorten eine Verringerung der Inzidenz von Herz-Kreislauf-Erkrankungen, Diabetes mellitus und Krebs um 24 %, 33 % bzw. 6 % für das höchste AHEI-Quintil (Median 64,5) im Vergleich zum niedrigsten Quintil (Median). 36,9; vergleichbar mit dem globalen Mittel in unserer Studie, 40,3 (95 % UI 39,4, 41,3)) (Ref. 24). Kohorten haben außerdem herausgefunden, dass ein moderater Anstieg (Anstieg um 20 Prozent) des AHEI-Scores während der Nachbeobachtung mit einem deutlich geringeren Risiko für die Sterblichkeit durch Herz-Kreislauf-Erkrankungen und die Sterblichkeit durch Krebs verbunden war25. Ähnliche Beziehungen wurden in Frankreich26, dem Vereinigten Königreich27 und Singapur28,29 beobachtet. Solche Zusammenhänge deuten darauf hin, dass die aktuelle Qualität der in dieser Studie identifizierten globalen Ernährung zu vermeidbaren chronischen Krankheiten und Mortalität führt und dass geringfügige Verbesserungen der Ernährungsqualität im Laufe der Zeit zu einer Verringerung tödlicher und nicht tödlicher ernährungsbedingter Krankheiten beitragen können.
Unsere Erkenntnisse zu globalen Ernährungsmustern bei Säuglingen, Kindern und Jugendlichen haben wichtige Auswirkungen auf die Ernährung und Gesundheit von Kindern. Wir fanden heraus, dass die Qualität der Ernährung im Allgemeinen bei Säuglingen und Kleinkindern am höchsten war und sich bis ins Jugendalter verschlechterte. Dies unterstreicht die Notwendigkeit von Initiativen zur Verbesserung der Ernährungsqualität bei älteren Kindern sowie zur Förderung gesunder Essgewohnheiten in der frühen Kindheit, um die Qualität der Ernährung zu verbessern Jugend und Erwachsensein. Obwohl die Ernährungsqualität bei Kindern in Subsahara-Afrika und Südasien am höchsten war, stellten wir fest, dass sich die Ernährungsqualität in diesen Regionen im Laufe der Zeit verschlechterte oder stabil blieb. Kinder mit besser gebildeten Eltern hatten in allen Regionen außer Südasien, dem Nahen Osten und Nordafrika eine bessere Ernährungsqualität, während bei Kindern, die in städtischen Gebieten in Mittel-/Osteuropa und Zentralasien sowie Südost- und Ostasien lebten, eine bessere Ernährungsqualität festgestellt wurde ländliche Gebiete im Nahen Osten und Nordafrika. Eine schlechtere Ernährungsqualität bei Kindern ist mit Wachstumsstörungen, kardiometabolischen Risikofaktoren (z. B. Blutdruck, Blutfettwerte, Glukosekontrolle und Fettleibigkeit) und einer geringeren gesundheitsbezogenen Lebensqualität30,31,32,33,34,35 und ernährungsbedingten Faktoren verbunden Gewohnheiten und Essenspräferenzen, die im frühen Leben etabliert wurden, beeinflussen spätere Gewohnheiten in der gesamten Kindheit und bis ins Erwachsenenalter36,37,38.
Ernährungsunterschiede aufgrund von Bildung oder Einkommensniveau wurden in bestimmten, meist einkommensstarken Ländern oder ausgewählten Ländergruppen8,39,40,41, jedoch nicht weltweit, gemeldet. Unsere Ergebnisse zeigen, dass gebildetere Personen in den meisten, aber nicht allen Weltregionen insgesamt eine bessere Ernährungsqualität hatten, wobei Bildung den größten Einfluss auf Länder in Mittel-/Osteuropa und Zentralasien, Lateinamerika und der Karibik sowie Südasien hatte. Wir haben auch wichtige Ausnahmen im Nahen Osten und in Nordafrika sowie in Afrika südlich der Sahara identifiziert, wo die Qualität der Ernährung nicht je nach Bildungsniveau variierte. Bemerkenswert ist, dass eine höhere Bildung im Allgemeinen mit einem höheren Verzehr von Obst, nicht stärkehaltigem Gemüse, Vollkornprodukten und Pflanzenölen verbunden war, jedoch nicht immer mit einem geringeren Verzehr von SSBs und rotem/verarbeitetem Fleisch. Interessanterweise beeinflusste die Urbanität die Ernährungsqualität in verschiedenen Weltregionen unterschiedlich, wobei die Ernährungsqualität bei Stadt- und Landbewohnern in Mittel-/Osteuropa und Zentralasien sowie Südost- und Ostasien besser war, während im Nahen Osten und in Nordafrika aufgrund spezifischer Unterschiede das Gegenteil der Fall war im Konsum der zugrunde liegenden gesunden und ungesunden Komponenten zwischen Stadt- und Landbewohnern in diesen Regionen.
In Übereinstimmung mit unserer früheren Analyse der Werte für gesunde und ungesunde Ernährung16 stellten wir fest, dass Länder mit höherem Einkommen im Vergleich zu Ländern mit niedrigerem Einkommen bessere Werte für gesunde Komponenten (z. B. Obst und Vollkorn), aber schlechtere Werte für ungesunde Komponenten aufwiesen ( zum Beispiel rotes/verarbeitetes Fleisch und Natrium).
Diese Untersuchung hat mehrere Stärken. Unsere Daten und Erkenntnisse bauen auf der bisherigen Literatur auf und erweitern diese, indem sie die größte Anzahl individueller Ernährungsumfragen einbeziehen und so eine zeitgemäßere Schätzung der Trends in der globalen Ernährungsqualität und der Schätzung der globalen Ernährungsqualität bei Kindern und Jugendlichen liefern, über die bisher nicht berichtet wurde . Wir haben 1.139 Ernährungsumfragen einbezogen, von denen die meisten landesweit repräsentativ waren und auf individueller Ebene mithilfe von 24-Stunden-Erinnerungen oder Fragebögen zur Häufigkeit von Nahrungsmitteln (FFQs) erhoben wurden. Wir haben alle Dateneingaben standardisiert, einschließlich Definitionen von Ernährungsfaktoren, Einheiten und altersspezifischer Energieanpassung, und Bayes'sche Modellierung mit Umfrage- und Länderkovariaten integriert, um Heterogenität sowie Stichproben- und Modellierungsunsicherheit zu berücksichtigen42. Wir haben subnationale Unterschiede nach Alter, Geschlecht, Bildung und Urbanität bewertet, einschließlich der ersten globalen Schätzungen der Ernährungsgewohnheiten nach Bildungsstand und städtischem bzw. ländlichem Wohnort. Wir haben drei etablierte Metriken für die Ernährungsqualität charakterisiert, die jeweils anhand wichtiger Gesundheitsergebnisse validiert wurden17, einschließlich der Ähnlichkeiten und Unterschiede in der globalen, regionalen und nationalen Ernährungsqualität je nach Ernährungsmetrik.
Mögliche Einschränkungen sollten berücksichtigt werden. Obwohl wir umfangreiche Anstrengungen unternommen haben, um Verzerrungen zu minimieren und Heterogenität und Unsicherheit einzubeziehen, unterliegen individuelle Ernährungsdaten Messfehlern und die Verfügbarkeit der Umfragen war für einige Nationen, Ernährungsfaktoren, demografische Gruppen und Jahre begrenzt oder unvollständig16,42. Beispielsweise enthielten weniger als ein Viertel der Umfragen Daten zu Kindern im Alter von 3–9 Jahren und Erwachsenen ≥85 Jahren. Die Bayes'schen hierarchischen Modelle enthielten zusätzliche Unsicherheiten, um diese Einschränkungen zu berücksichtigen, Stichproben- und/oder Informationsverzerrungen können jedoch nicht ausgeschlossen werden16. Um eine Vergleichbarkeit zwischen Bevölkerungsuntergruppen zu ermöglichen, haben wir vor der Berechnung der Ernährungsgewohnheiten die Nahrungsaufnahme auf 2.000 kcal pro Tag standardisiert. Die unbereinigte Nahrungsaufnahme kann jedoch bei Bevölkerungsgruppen mit geringerem Energiebedarf (z. B. Säuglinge und Kleinkinder sowie Senioren) niedriger sein höher bei Bevölkerungsgruppen, die mehr als 2.000 kcal pro Tag konsumieren. Wir hatten keine Informationen zum Transfett- (AHEI) oder Alkoholkonsum (AHEI und MED) und unsere Ergebnisse sollten als Ernährungsqualität basierend auf den anderen Komponenten dieser Bewertungen interpretiert werden. Die ausgewählten Ernährungsmuster (AHEI, MED und DASH) wurden ursprünglich für erwachsene Bevölkerungsgruppen in Ländern mit hohem Einkommen entwickelt und validiert, wurden jedoch zur Charakterisierung der Ernährungsqualität bei Kindern und Senioren verwendet33,43,44. Es ist wichtig zu beachten, dass keine einzelnen oder mehrere Ernährungsmetriken entwickelt oder validiert wurden, um die Mikronährstoffqualität der Ernährung in allen Altersgruppen zu beurteilen17, und dass AHEI, MED und DASH möglicherweise nicht ausreichend mit den besorgniserregenden Nährstoffen korreliert sind, insbesondere bei Kindern und in Ländern mit niedrigem und mittlerem Einkommen. Bei der Interpretation der Ergebnisse im Hinblick auf die Nährstoffadäquanz ist Vorsicht geboten. Da es jedoch keine validierten Messgrößen für die Doppelbelastung durch Mangelernährung gibt, sind AHEI, MED und DASH geeignete Messgrößen zur Beurteilung der Ernährungsqualität in allen Bevölkerungsgruppen17. Wir haben andere, weniger validierte Ernährungsindizes und -bewertungen nicht berücksichtigt16,17,45,46, die bewertet werden können, sobald diese für die Verwendung in verschiedenen globalen Bevölkerungsgruppen besser validiert wurden.
Zusammenfassend stellten wir fest, dass die Qualität der globalen Ernährung heute nur bescheiden ist und sich in den letzten drei Jahrzehnten nur geringfügig verbessert hat, wenn auch in den einzelnen Weltregionen uneinheitlich.
Diese Ergebnisse liefern umfassende globale Informationen über individuelle Ernährungsgewohnheiten bei Kindern und Erwachsenen, nach Alter, Geschlecht, Bildung und Urbanität. Unsere Ergebnisse verdeutlichen die erheblichen Unterschiede in der Ernährungsqualität und machen deutlich, dass spezifische nationale und subnationale Maßnahmen zur Verbesserung der Ernährungssicherheit und Ernährungsgerechtigkeit erforderlich sind.
Über unsere Methoden und Ergebnisse zur Identifizierung von Ernährungsumfragen, Datenextraktion, Standardisierung und Harmonisierung sowie Modellierung wurde berichtet18,42,47,48. Kurz gesagt, wir haben systematisch Daten aus landesweit und subnational repräsentativen Umfragen (oder lokalen repräsentativen Community-Umfragen, wenn nationale und subnationale Umfragen nicht verfügbar waren) zur individuellen Nahrungsaufnahme und zur Natriumaufnahme sowie aus zusätzlichen Biomarker-Umfragen durchsucht, identifiziert und zusammengestellt18. 42. Haushaltsbudgeterhebungen wurden selten eingesetzt, wenn für ein bevölkerungsreiches Land keine Ernährungsumfragen auf individueller Ebene ermittelt wurden18,42. Insgesamt haben wir Daten aus 1.248 Ernährungsumfragen aus 188 Ländern zusammengestellt. Davon lieferten 1.139 Umfragen aus 175 Ländern (die 7,46 Milliarden der Weltbevölkerung im Jahr 2018 repräsentieren) Daten zu den neun Lebensmitteln, drei Getränken und sechs Nährstoffen, die in der vorliegenden Analyse in den Ernährungsmusterbewertungen gemessen wurden. Die meisten Umfragen waren national oder subnational repräsentativ (89,1 %); verwendeten einen FFQ (42,1 %) oder einen 24-Stunden-Recall (22,7 %); umfasste Daten zu Kindern (0–19 Jahre) (73,9 %) und Erwachsenen (≥20 Jahre) (64,5 %); und umfasste Daten zum städtischen und/oder ländlichen Wohnort (60,8 %) (Ergänzende Informationstabelle 4).
Für jede Umfrage im GDD haben wir die Glaubwürdigkeit der erhaltenen Informationen in Bezug auf Umfragemerkmale eingeholt und bewertet, darunter Umfragename, Land, durchgeführte Jahre, Stichprobenmethoden, Rücklaufquote, nationale Repräsentativität, Umfang der Datenerhebung (Einzelperson oder Haushalt) und Ernährung Bewertungsmethode und Validierung, Stichprobengröße, Bevölkerungsdemografie (Alter, Geschlecht, Bildung, städtischer/ländlicher Wohnort und Schwangerschafts-/Stillzeitstatus) sowie Definitionen und Einheiten von Ernährungsfaktoren18. Wir haben auch Daten zur individuellen Nahrungsaufnahme von bis zu 53 Nahrungsmitteln, Getränken und Nährstoffen extrahiert oder direkt von den Umfrageeigentümern erhalten, gemeinsam geschichtet nach Alter, Geschlecht, Bildung und Wohnort in Stadt/Land. Wir haben die Nahrungsaufnahme ausgewertet, die an die altersstandardisierte Energieaufnahme angepasst ist, um die Nahrungszusammensetzung unabhängig von der Menge zu beurteilen, den geschätzten altersspezifischen Durchschnittsbedarf zu berücksichtigen und Messfehler innerhalb und zwischen Umfragen zu reduzieren (Ergänzende Informationen)42. Die Daten wurden mithilfe standardisierter Protokolle auf Extraktionsfehler und auf Plausibilität untersucht. Die Qualität der Umfrage wurde durch Evaluierung von Belegen für Auswahlverzerrungen, Stichprobenrepräsentativität, Rücklaufquote und Validität der Methode zur Ernährungsbewertung bewertet42.
Um Unterschiede in den Erhebungsmethoden, der Repräsentativität, den Zeittrends, den Eingabedaten und der Unsicherheit zu berücksichtigen, schätzte ein Bayesianisches Modell die logarithmischen Mittelwerte der Nahrungsaufnahme (Mittelwert und Standardabweichung) innerhalb einer verschachtelten hierarchischen Struktur42. Das Modell umfasste zufällige Effekte nach Land und Region sowie weltweit; Geschlecht, Bildung, städtischer/ländlicher Wohnort und nichtlineare Alterseffekte; Indikatordaten auf Umfrageebene für die Ernährungsbewertungsmethode (24-Stunden-Erinnerung, FFQ, Fragebogen zur demografischen Gesundheitsumfrage und Haushaltsbudgetumfrage) und Art der Ernährungsmetrik (optimale oder suboptimale Definition); und nationale jahresspezifische Kovariatendaten, die für jeden Ernährungsfaktor relevant sind42. Das Modell umfasste eine Überstreuung der Varianz auf Studienebene für Umfragen, die nicht landesweit repräsentativ waren oder nicht nach Geschlecht, Bildung, Urbanität oder kleinen Altersgruppen (≤ 10 Jahre) geschichtet waren42.
Das endgültige Modell umfasste Schätzungen des Verzehrs jedes Lebensmittels oder Nährstoffs für 264 Untergruppen, die gemeinsam nach Geschlecht (männlich oder weiblich) und Altersgruppe (<1, 1–2, 3–4, 5–9, 10–14, 15–19) stratifiziert wurden , 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 und ≥95 Jahre), Bildung (<6 Jahre, ≥6 bis <12 Jahre oder ≥12 Jahre) und städtischer versus ländlicher Wohnort; in 185 Ländern, die im Jahr 2018 99,0 % der Weltbevölkerung abdeckten42. Die Unsicherheit jeder schichtspezifischen Schätzung des Ernährungsfaktors wurde mithilfe von 4.000 Iterationen quantifiziert, um die hintere Verteilung gemeinsam nach Land, Jahr, Alter, Geschlecht, Bildung und Urbanität zu bestimmen42. Wir haben die mittlere Aufnahme und den 95 %-UI für jede Schicht aus dem 50., 2,5. bzw. 97,5. Perzentil der 4.000 Ziehungen berechnet42. Zu den Gültigkeitsprüfungen gehörten: fünffache Kreuzvalidierung (zufälliges Weglassen von 20 % der Rohdaten der Umfrage, fünfmalige Durchführung), Vergleich der vorhergesagten mit der beobachteten Aufnahme; Einschätzung unplausibler Schätzungen; und visuelle Bewertung der nationalen durchschnittlichen Aufnahmemengen mithilfe globaler Wärmekarten42. Ein zweites, auf Zeitkomponenten basierendes Bayes'sches Modell wurde verwendet, um Zeittrendschätzungen für Ernährungsfaktoren mit entsprechenden Daten zur Nahrungsmittel- oder Nährstoffverfügbarkeit zu untermauern (FAO Food Balance Sheets49 und Global Expanded Nutrient Supply50)42. Das Modell, das allgemein als Modell mit variierenden Steigungen bezeichnet wird, berücksichtigte Schnittpunkte und Steigungen auf Länderebene sowie deren Korrelation, die länderübergreifend geschätzt wird42,51,52. Die endgültigen GDD-Ergebnisse basierten auf diesen beiden Bayes'schen Modellen42, wie in den Zusatzinformationen beschrieben.
Für unsere primäre Analyse haben wir uns auf den AHEI konzentriert. Für jede Schicht haben wir neun Komponenten bewertet: Obst, nicht stärkehaltiges Gemüse, Vollkorn, SSBs, Hülsenfrüchte/Nüsse, unverarbeitetes rotes/verarbeitetes Fleisch, Omega-3-Fett aus Meeresfrüchten, PUFAs und Natrium (Alkohol und Transfette wurden im GDD nicht geschätzt). ) (Ergänzungstabelle 6). Jede Komponente wurde mit 0 bis 10 bewertet, und die Endbewertung im Bereich von 0 bis 90 wurde auf einen Bereich von 0 bis 100 skaliert. DASH wurde auf der Grundlage von acht Komponenten berechnet, die unter Verwendung geschlechtsspezifischer Quintile mit 1 bis 5 bewertet wurden Endpunktzahl zwischen 8 und 40 (Ergänzungstabelle 7). MED wurde auf der Grundlage von acht Komponenten berechnet (Alkohol wurde nicht geschätzt), wobei jede Komponente unter Verwendung geschlechtsspezifischer Mediane mit 0 oder 1 bewertet wurde und die Endbewertung zwischen 0 und 8 lag (Ergänzungstabelle 8). Da die Bewertungsgrenzwerte für DASH und MED auf beobachteten Bevölkerungsverteilungen basieren, wurden die Verteilungen für 2018 berechnet und in anderen Jahren konsistent verwendet. Da jeder dieser Scores auf der üblichen Zufuhr von Erwachsenen basiert, wurden die Verzehrmengen an Ernährungsfaktoren in jeder Schicht zur Ableitung der Ernährungsmuster-Scores auf 2.000 kcal pro Tag standardisiert. Für jedes Ernährungsmuster werden höhere Werte für eine höhere Aufnahme gesünderer Lebensmittel oder Nährstoffe und eine geringere Aufnahme ungesünderer Lebensmittel oder Nährstoffe vergeben, und somit stehen höhere Werte für eine gesündere Ernährung.
Bevölkerungsgewichtete durchschnittliche Ernährungsmusterwerte für jede Schicht der Bevölkerungsuntergruppe in jedem Landjahr wurden unter Verwendung aller 4.000 Posterior-Vorhersagen für jede der Komponenten in dieser Schicht berechnet, um globale, regionale und nationale Werte abzuleiten42. Die jährlichen Bevölkerungsgewichte wurden von der Bevölkerungsabteilung der Vereinten Nationen53 abgeleitet und durch Daten zur Bildungs- und Stadt-/Landverteilung von Barro Lee54 bzw. den Vereinten Nationen5542 ergänzt. Spearman-Korrelationen bewerteten die Wechselbeziehungen zwischen den einzelnen Ernährungsmusterbewertungen. Die Veränderungen der Werte zwischen 1990 und 2018 wurden unter Verwendung aller 4.000 späteren Vorhersagen für jede Schicht berechnet, um das gesamte Spektrum der Unsicherheit zu berücksichtigen, und auf den Anteil der Personen innerhalb jeder Schicht im Jahr 2018 standardisiert, um Veränderungen in der Demografie im Laufe der Zeit zu berücksichtigen42. Angesichts des Bayes'schen Charakters der Analyse war eine formale statistische Signifikanz nicht angemessen und die 95 %-UIs sollten als Richtlinie verwendet werden42.
Die modellierten Schätzungen der individuellen Nahrungs- und Nährstoffaufnahme nach Bevölkerungsuntergruppe, Land, Region und Globus in den Jahren 1990 und 2018 stehen zum Download im GDD (https://www.globaldietarydatabase.org/) zur Verfügung. Für alle öffentlichen Umfragen werden außerdem Informationen auf Umfrageebene und Weblinks zum Herunterladen von Originaldaten bereitgestellt. Mikrodaten auf Umfrageebene oder aggregierte Daten auf Schichtebene werden für alle nicht öffentlichen Umfragen zum direkten Download bereitgestellt, sofern der Dateneigentümer der öffentlichen Weitergabe zugestimmt hat. Die modellierten Ernährungsqualitätswerte stehen zum Download unter (https://github.com/victoriaemiller/GDD-Diet-Quality) zur Verfügung.
Die statistische Kodierung ist auf begründete Anfrage beim entsprechenden Autor erhältlich.
Eine Korrektur zu diesem Artikel wurde veröffentlicht: https://doi.org/10.1038/s43016-023-00705-0
2021 Global Nutrition Report: The State of Global Nutrition (Entwicklungsinitiativen, 2021).
GBD 2017 Todesursachen-Mitarbeiter. Globale, regionale und nationale altersgeschlechtsspezifische Mortalität für 282 Todesursachen in 195 Ländern und Territorien, 1980–2017: eine systematische Analyse für die Global Burden of Disease Study 2017. Lancet https://doi.org/10.1016/ s0140-6736(18)32203-7 (2018).
GBD 2017 Risikofaktor-Mitarbeiter. Globale, regionale und nationale vergleichende Risikobewertung von 84 Verhaltens-, Umwelt-, Berufs- und Stoffwechselrisiken oder Risikoclustern für 195 Länder und Gebiete, 1990–2017: eine systematische Analyse für die Global Burden of Disease Study 2017. Lancet https:/ /doi.org/10.1016/s0140-6736(18)32225-6 (2018).
GBD 2017 Diät-Mitarbeiter. Gesundheitliche Auswirkungen von Ernährungsrisiken in 195 Ländern, 1990–2017: eine systematische Analyse für die Global Burden of Disease Study 2017. Lancet https://doi.org/10.1016/s0140-6736(19)30041-8 (2019).
Sacks, FM et al. Begründung und Design der Studie „Dietary Approaches to Stop Hypertension“ (DASH). Eine multizentrische kontrollierte Ernährungsstudie zu Ernährungsgewohnheiten zur Senkung des Blutdrucks. Ann. Epidemiol. 5, 108–118 (1995).
Artikel CAS Google Scholar
Hu, FB Ernährungsmusteranalyse: eine neue Richtung in der Ernährungsepidemiologie. Curr. Meinung. Lipidol. 13, 3–9 (2002).
Artikel CAS Google Scholar
Micha, R. et al. Ätiologische Auswirkungen und optimale Aufnahme von Nahrungsmitteln und Nährstoffen auf das Risiko von Herz-Kreislauf-Erkrankungen und Diabetes: systematische Übersichten und Metaanalysen der Expertengruppe für Ernährung und chronische Krankheiten (NutriCoDE). PLoS ONE 12, e0175149 (2017).
Teo, K. et al. Prävalenz eines gesunden Lebensstils bei Personen mit Herz-Kreislauf-Erkrankungen in Ländern mit hohem, mittlerem und niedrigem Einkommen: die Prospective Urban Rural Epidemiology (PURE)-Studie. JAMA 309, 1613–1621 (2013).
Artikel CAS Google Scholar
Yusuf, S. et al. Modifizierbare Risikofaktoren, Herz-Kreislauf-Erkrankungen und Mortalität bei 155.722 Personen aus 21 Ländern mit hohem, mittlerem und niedrigem Einkommen (PURE): eine prospektive Kohortenstudie. Lancet 395, 795–808 (2020).
Artikel Google Scholar
Ezzati, M. & Riboli, E. Verhaltens- und Ernährungsrisikofaktoren für nichtübertragbare Krankheiten. N. engl. J. Med. 369, 954–964 (2013).
Artikel CAS Google Scholar
Kennedy, G., Nantel, G. & Shetty, P. Globalisierung der Lebensmittelsysteme in Entwicklungsländern: Auswirkungen auf Lebensmittelsicherheit und Ernährung. FAO-Lebensmittelnähr. Brei. 83, 1–300 (2004).
Google Scholar
Wang, DD et al. Eine weltweite Verbesserung der Ernährungsqualität könnte zu einer erheblichen Verringerung vorzeitiger Todesfälle führen. J. Nutr. 149, 1065–1074 (2019).
Artikel Google Scholar
Vandevijvere, S. et al. Überwachung und Benchmarking der Ernährungsqualität der Bevölkerung weltweit: ein schrittweiser Ansatz. Obes. Rev. 14, 135–149 (2013).
Artikel Google Scholar
Green, R., Sutherland, J., Dangour, AD, Shankar, B. & Webb, P. Globale Ernährungsqualität, Unterernährung und nicht übertragbare Krankheiten: eine Längsschnittmodellstudie. BMJ Open 6, e009331 (2016).
Artikel Google Scholar
Del Gobbo, LC et al. Bewertung globaler Ernährungsgewohnheiten: ein Vergleich nationaler Schätzungen der FAO und der Global Dietary Database. Bin. J. Clin. Nutr. 101, 1038–1046 (2015).
Artikel Google Scholar
Imamura, F. et al. Ernährungsqualität bei Männern und Frauen in 187 Ländern in den Jahren 1990 und 2010: eine systematische Bewertung. Lancet Glob. Gesundheit 3, e132–e142 (2015).
Artikel Google Scholar
Miller, V., Webb, P., Micha, R. & Mozaffarian, D. Definition der Ernährungsqualität: eine Synthese von Ernährungsqualitätsmetriken und ihrer Gültigkeit für die Doppelbelastung durch Unterernährung. Lancet Planet Health 4, e352–e370 (2020).
Artikel Google Scholar
Miller, V. et al. Global Dietary Database 2017: Datenverfügbarkeit und Lücken zu 54 wichtigen Lebensmitteln, Getränken und Nährstoffen bei 5,6 Millionen Kindern und Erwachsenen aus 1220 Umfragen weltweit. BMJ Global Health 6, e003585 (2021).
Artikel Google Scholar
Vandevijvere, S. et al. Globale Trends beim Verkauf von hochverarbeiteten Lebensmitteln und Getränken und deren Zusammenhang mit der Entwicklung des Body-Mass-Index bei Erwachsenen. Obes. Rev. 20, 10–19 (2019).
Artikel Google Scholar
Li, Y. et al. Zeittrends von Ernährungs- und Lebensstilfaktoren und ihre möglichen Auswirkungen auf die Diabetesbelastung in China. Diabetes Care 40, 1685–1694 (2017).
Artikel Google Scholar
Murakami, K., Livingstone, MBE & Sasaki, S. Dreizehnjährige Trends im Ernährungsverhalten japanischer Erwachsener im National Health and Nutrition Survey 2003–2015: kontinuierliche Verwestlichung der japanischen Ernährung. Nährstoffe 10, 994 (2018).
Artikel Google Scholar
Marrón-Ponce, JA, Tolentino-Mayo, L., Hernandez-F, M. & Batis, C. Trends beim Kauf hochverarbeiteter Lebensmittel von 1984 bis 2016 in mexikanischen Haushalten. Nährstoffe 11, 45 (2018).
Artikel Google Scholar
Schwingshackl, L., Bogensberger, B. & Hoffmann, G. Ernährungsqualität, bewertet durch den Index für gesunde Ernährung, den Index für alternative gesunde Ernährung, Ernährungsansätze zur Beendigung des Bluthochdruck-Scores und Gesundheitsergebnisse: eine aktualisierte systematische Überprüfung und Metaanalyse der Kohorte Studien. J. Acad. Nutr. Diät 118, 74–100.e111 (2018).
Artikel Google Scholar
Chiuve, SE et al. Alternative Ernährungsindizes sagen beide das Risiko einer chronischen Erkrankung stark voraus. J. Nutr. 142, 1009–1018 (2012).
Artikel CAS Google Scholar
Sotos-Prieto, M. et al. Zusammenhang zwischen Veränderungen der Ernährungsqualität und der Gesamtmortalität sowie der ursachenspezifischen Mortalität. N. engl. J. Med. 377, 143–153 (2017).
Artikel Google Scholar
Trébuchet, A. et al. Prospektiver Zusammenhang zwischen mehreren Ernährungs-Scores und dem Risiko für Herz-Kreislauf-Erkrankungen: Ist die mediterrane Ernährung im Vergleich zu den National Nutritional Scores gleichermaßen mit Herz-Kreislauf-Erkrankungen verbunden? Bin. Herz J. 217, 1–12 (2019).
Artikel Google Scholar
Shivappa, N., Hebert, JR, Kivimaki, M. & Akbaraly, T. Alternative Healthy Eating Index 2010, Dietary Inflammatory Index und Mortalitätsrisiko: Ergebnisse der Whitehall II-Kohortenstudie und Metaanalyse früherer Dietary Inflammatory Index und Mortalität Studien. Br. J. Nutr. 118, 210–221 (2017).
Artikel CAS Google Scholar
Neelakantan, N., Koh, W.-P., Yuan, J.-M. & van Dam, RM Ernährungsqualitätsindizes sind mit einem geringeren Risiko für Herz-Kreislauf-, Atemwegs- und Gesamtmortalität bei chinesischen Erwachsenen verbunden. J. Nutr. 148, 1323–1332 (2018).
Artikel Google Scholar
Chen, G.-C. et al. Ernährungsqualitätsindizes und Risiko für Typ-2-Diabetes mellitus: Die Singapore Chinese Health Study. Bin. J. Epidemiol. 187, 2651–2661 (2018).
Artikel Google Scholar
Wu, XY et al. Der Einfluss von Ernährungsqualität und Ernährungsverhalten auf die gesundheitsbezogene Lebensqualität in der Allgemeinbevölkerung von Kindern und Jugendlichen: eine systematische Überprüfung und Metaanalyse. Qual. Lebensres. 28, 1989–2015 (2019).
Artikel Google Scholar
Dalwood, P., Marshall, S., Burrows, TL, McIntosh, A. & Collins, CE Ernährungsqualitätsindizes und ihre Assoziationen mit gesundheitsbezogenen Ergebnissen bei Kindern und Jugendlichen: eine aktualisierte systematische Übersicht. Nutr. J. 19, 118 (2020).
Artikel Google Scholar
Jennings, A., Welch, A., van Sluijs, EM, Griffin, SJ & Cassidy, A. Die Qualität der Ernährung hängt unabhängig vom Gewichtsstatus bei Kindern im Alter von 9–10 Jahren ab. J. Nutr. 141, 453–459 (2011).
Artikel CAS Google Scholar
Marshall, S., Burrows, T. & Collins, CE Systematische Überprüfung der Ernährungsqualitätsindizes und ihrer Zusammenhänge mit gesundheitsbezogenen Ergebnissen bei Kindern und Jugendlichen. J. Hum. Nutr. Diät 27, 577–598 (2014).
Artikel CAS Google Scholar
Krasevec, J., An, X., Kumapley, R., Bégin, F. & Frongillo, EA Ernährungsqualität und Wachstumsverzögerungsrisiko bei Säuglingen und Kleinkindern in Ländern mit niedrigem und mittlerem Einkommen. Mutter. Kindernähr. https://doi.org/10.1111/mcn.12430 (2017).
Martin-Calvo, N., Chavarro, JE, Falbe, J., Hu, FB & Field, AE Einhaltung des mediterranen Ernährungsmusters und BMI-Änderung bei US-Jugendlichen. Int. J. Obes. 40, 1103–1108 (2016).
Artikel CAS Google Scholar
Switkowski, KM, Gingras, V., Rifas-Shiman, SL & Oken, E. Muster des Beikostverhaltens sagen die Qualität der Ernährung in der frühen Kindheit voraus. Nährstoffe 12, 810 (2020).
Artikel Google Scholar
Mikkilä, V., Räsänen, L., Raitakari, OT, Pietinen, P. & Viikari, J. Längsschnittveränderungen der Ernährung von der Kindheit bis zum Erwachsenenalter im Hinblick auf das Risiko von Herz-Kreislauf-Erkrankungen: Studie zum kardiovaskulären Risiko bei jungen Finnen. EUR. J. Clin. Nutr. 58, 1038–1045 (2004).
Artikel Google Scholar
Lake, AA, Mathers, JC, Rugg-Gunn, AJ & Adamson, AJ Längsschnittveränderung der Ernährungsgewohnheiten zwischen Jugend (11–12 Jahre) und Erwachsenenalter (32–33 Jahre): die ASH30-Studie. J. Public Health 28, 10–16 (2006).
Artikel Google Scholar
Wang, DD et al. Trends in der Ernährungsqualität bei Erwachsenen in den Vereinigten Staaten, 1999 bis 2010. JAMA Intern. Med. 174, 1587–1595 (2014).
Artikel Google Scholar
Fang Zhang, F. et al. Trends und Unterschiede in der Ernährungsqualität bei Erwachsenen in den USA nach Teilnahmestatus an Programmen zur Unterstützung der Nahrungsergänzung. JAMA Netw. Offen 1, e180237 (2018).
Artikel Google Scholar
Dehghan, M. et al. Zusammenhang zwischen gesunder Ernährung und dem Risiko für Herz-Kreislauf-Erkrankungen bei Patienten unter medikamentöser Therapie zur Sekundärprävention. Auflage 126, 2705–2712 (2012).
Artikel CAS Google Scholar
Miller, V. et al. Globaler, regionaler und nationaler Konsum tierischer Lebensmittel zwischen 1990 und 2018: Ergebnisse der Global Dietary Database. Lancet Planet. Gesundheit 6, e243–e256 (2022).
Artikel Google Scholar
Chen, X., Maguire, B., Brodaty, H. & O'Leary, F. Ernährungsmuster und kognitive Gesundheit bei älteren Erwachsenen: eine systematische Übersicht. J. Alzheimers Dis. 67, 583–619 (2019).
Artikel Google Scholar
Roman, B., Carta, L., Martinez-Gonzalez, MA & Serra-Majem, L. Wirksamkeit der Mittelmeerdiät bei älteren Menschen. Klin. Interv. Alter 3, 97–109 (2008).
Artikel Google Scholar
Bromage, S. et al. Entwicklung und Validierung eines neuartigen, lebensmittelbasierten Global Diet Quality Score (GDQS). J. Nutr. 151, 75s–92s (2021).
Artikel Google Scholar
Herforth, AW, Wiesmann, D., Martínez-Steele, E., Andrade, G. & Monteiro, CA Einführung einer Reihe von Qualitätsindikatoren für eine belastungsarme Ernährung, die gesunde Ernährungsmuster auf Bevölkerungsebene widerspiegeln. Curr. Entwickler Nutr. 4, nzaa168–nzaa168 (2020).
Artikel CAS Google Scholar
Micha, R. et al. Abschätzung der globalen und regionalen Belastung chronischer Erkrankungen durch suboptimale Ernährung: Methoden und Inputs für die Analyse. EUR. J. Clin. Nutr. 66, 119–129 (2012).
Artikel CAS Google Scholar
Khatibzadeh, S. et al. Eine globale Datenbank zum Lebensmittel- und Nährstoffverbrauch. Stier. Weltgesundheitsorgan. 94, 931–934 (2016).
Artikel Google Scholar
Ernährungs- und Landwirtschaftsorganisation der Vereinten Nationen. Nahrungsmittelbilanzen. 2021. https://www.fao.org/faostat/en/#data2021 (abgerufen am 3. März 2021).
Smith, MR, Micha, R., Golden, CD, Mozaffarian, D. & Myers, SS Global Expanded Nutrient Supply (GENuS) Model: eine neue Methode zur Schätzung der globalen Nährstoffversorgung über die Nahrung. PLoS ONE 11, e0146976 (2016).
Artikel Google Scholar
Gelman, A. & Pardoe, I. Bayesianische Maße der erklärten Varianz und Pooling in mehrstufigen (hierarchischen) Modellen. Technometrics 48, 241–251 (2006).
Artikel Google Scholar
Wagner, T., Diefenbach, DR, Christensen, S. & Norton, AS Verwendung von Mehrebenenmodellen zur Quantifizierung der Heterogenität bei der Ressourcenauswahl. J. Wildl. Geschäftsführer 75, 1788–1796 (2011).
Artikel Google Scholar
Bevölkerungsabteilung der Vereinten Nationen. Gesamtbevölkerung nach Geschlecht (in Tausend). 2019. https://population.un.org/wpp/DataQuery/2019 (abgerufen am 12. Juni 2020).
Barro, R. & Lee, J. Ein neuer Datensatz zum Bildungsstand in der Welt, 1950–2010. J. Dev. Econ 104, 184–198 (2013).
Artikel Google Scholar
Bevölkerungsabteilung der Vereinten Nationen. Stadtbevölkerung (% der Gesamtbevölkerung). 2018. https://data.worldbank.org/indicator/SP.URB. TOTL.IN.ZS2018 (abgerufen am 12. Juni 2020).
Referenzen herunterladen
Wir danken R. Micha für ihre Arbeit bei der Harmonisierung der in der GDD enthaltenen individuellen Ernährungsumfragen. Wir danken den korrespondierenden GDD-Mitgliedern für die Weitergabe und Harmonisierung ihrer Ernährungsumfragen gemäß den GDD-Methoden. Diese Studie wurde durch Zuschüsse der Bill and Melinda Gates Foundation (OPP1176681; DM) und der American Heart Association (20POST35200069; VM) unterstützt. Die Bill and Melinda Gates Foundation trug während des Zuschussantragsverfahrens zum Studiendesign bei; Ansonsten spielten die Geldgeber keine Rolle bei der Datenerhebung, Datenanalyse, Dateninterpretation oder beim Verfassen des Berichts.
Friedman School of Nutrition Science and Policy, Tufts University, Boston, MA, USA
Victoria Miller, Patrick Webb, Frederick Cudhea, Peilin Shi, Jianyi Zhang, Julia Reedy, Josh Erndt-Marino, Jennifer Coates und Dariush Mozaffarian
Medizinische Fakultät, McMaster University, Hamilton, Ontario, Kanada
Victoria Miller
Population Health Research Institute, Hamilton, Ontario, Kanada
Victoria Miller
Abteilung für Allgemeine Innere Medizin und Primärversorgung, Brigham and Women's Hospital, Boston, MA, USA
Jianyi Zhang
Acibadem-Universität, Istanbul, Türkei
Murat Bas
Universität Addis Abeba, Addis Abeba, Äthiopien
Jamal Hyder Ali
Al-Ain-Universität, Abu Dhabi, Vereinigte Arabische Emirate
Suhad Abumweis
All India Institute of Medical Sciences, Neu-Delhi, Indien
Anand Krishnan und Puneet Misra
Amerikanische Universität Beirut, Beirut, Libanon
Nahla Chawkat Hwalla
Amrita School of Dentistry, Ernakulam, Indien
Chandrashekar Janakiram
Andalas-Universität, Padang, Indonesien
Nur Indrawaty Liputo
Arabisches Zentrum für Ernährung, Manama, Bahrain
Abdulrahman Musaiger
Ardabil University of Medical Sciences, Ardabil, Islamische Republik Iran
Farhad Pourfarzi
Bacha Khan Universität, Charsadda, Pakistan
Iftikhar Alam
Belgisches Institut für öffentliche Gesundheit, Brüssel, Belgien
Karin DeRidder
Biodiversity International, Maccarese, Italien
Céline Termote
Brighton and Sussex Medical School, Brighton, Großbritannien
Anjum Memon
CREA-Food and Nutrition, Rom, Italien
Aida Turrini, Elisabetta Lupotto, Raffaela Piccinelli und Stefania Sette
Cadi-Ayyad-Universität, Ben Guerir, Marokko
Karim Anzid
Zentrum für Studien zu sensorischer Beeinträchtigung, Alterung und Stoffwechsel (CeSSIAM), Guatemala-Stadt, Guatemala
Mary Vossenaar
Zentrum für Medienwissenschaft, Neu-Delhi, Indien
Paramita Mazumdar
Center for Antihand Nutritional Care (CANIA), Miami, FL, USA
Ingrid Rached
Zentrum für Kinderernährungsstudien (CESNI), Buenos Aires, Argentinien
Alicia Rovirosa und Maria Elisa Zapata
Hochschule für Angewandte Wissenschaften, Abteilung für Lebensmittelwissenschaft und angewandte Ernährung, Addis Abeba Science and Technology University, Addis Abeba, Äthiopien
Tamen Taye Asayehu
Beratende Gruppe für internationale Agrarforschung (CGIAR), Montpellier, Frankreich
Francis Oduor, Julia Boedecker und Lillian Aluso
Universität Cuenca, Cuenca, Ecuador
Johana Ortiz-Ulloa
Delhi School of Economics, Universität Delhi, Delhi, Indien
JV Meenakshi
Abteilung für Schulernährung, Sao Paulo, Brasilien
Michelle Castro
Abteilung für Biomedizinische und Biotechnologische Wissenschaften, Universität Catnia, Catania, Italien
Joseph Grosso
Abteilung für CVD-Epidemiologie, Prävention und Gesundheitsförderung, Institut für Kardiologie, Warschau, Polen
Anna Waskiewicz
Abteilung für Community Health Sciences, Aga Khan University, Karachi, Pakistan
Umber S. Khan
Diabeteszentrum, 2. Abteilung für Innere Medizin, Universität Athen, Athen, Griechenland
Anastasia Thanopoulou
Forschungsinstitut für Verdauungskrankheiten, Medizinische Universität Teheran, Teheran, Islamische Republik Iran
Reza Malekzadeh
Direktion für Gesundheitsinformation und -forschung, Tarxien, Malta
Neville Calleja
Niederländisches Nationales Institut für öffentliche Gesundheit und Umwelt (RIVM), Bilthoven, Niederlande
Marga Ocke & Zohreh Etemad
Östliches Mittelmeer-Netzwerk für öffentliche Gesundheit (EMPHNET), Amman, Jordanien
Mohannad Al Nsour
Egerton University, Njoro, Kenia
Lydiah M. Waswa
Estnisches Nationales Institut für Gesundheitsentwicklung, Tallinn, Estland
Eha-Ecke
FHI Solutions, Washington, DC, USA
Joanne Arsenault
FOSCAL und UDES, Bucaramanga, Kolumbien
Patricio Lopez-Jaramillo
Fakultät für Gesundheitswissenschaften, American University of Beirut, Beirut, Libanon
Abla Mehio Sibai
Medizinische Fakultät, Eduardo Mondlane University, Maputo, Mosambik
Albertine Damaskus
Medizinische Fakultät, Universität Colombo, Colombo 5, Sri Lanka
Carukshi Arambepola
Medizinische Fakultät – Institut für öffentliche Gesundheit, Universität Porto, Porto, Portugal
Carla Lopes, Milton Severo und Nuno Lunet
Fakultät für Ernährung und Lebensmittelwissenschaften, Universität Porto, Porto, Portugal
Duarte Torres
Finnisches Institut für Gesundheit und Wohlfahrt, Helsinki, Finnland
Heli Tapanainen, Jaana Lindstrom und Suvi Virtanen
Florida International University, Miami, FL, USA
Cristina Palacios
Folkhälsan-Forschungszentrum, Helsinki, Finnland
Eva Roos
Lebensmittel- und Ernährungsforschungsinstitut (DOST-FNRI), Manila, Philippinen
Imelda Angeles Agdeppa & Josie Unbekannt
Lebensmittel- und Ernährungsforschungsinstitut (DOST-FNRI), Taguig City, Philippinen
Mario Capanzana
Fortis CDOC Center for Excellence for Diabetes, Neu-Delhi, Indien
Anoop Misra
FrieslandCampina, Amersfoort, Niederlande
Ilse Khouw & Swee Ai Ng
Kardiovaskuläre Stiftung von Kolumbien, Bucaramanga, Kolumbien
Edna Gamboa Delgado
INFANT-Stiftung und Nationaler Rat für wissenschaftliche und technische Forschung (CONICET), Buenos Aires, Argentinien
Mauricio Caballero
Santander Ophthalmological Foundation (FOSCAL), Floridablanca, Kolumbien
Johanna Otero
Gachon-Universität, Seongnam-si, Südkorea
Hae-Jeung Lee
Gazi-Universität, Ankara, Türkei
Frau Coxal
Universitätskliniken Genf, Genf, Schweiz
Idris Guessous
Universität Gent, Gent, Belgien
Carl Lachat & Stefaan De Henauw
Global Dietary Database Consortium, Boston, MA, USA
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
Regierung von Kanada, Statistics Canada, Ottawa, Ontario, Kanada
Didier Garriguet, Jennifer Ali, Ron Gravel und Tina Tao
Griffith University, Gold Coast, Queensland, Australien
Jacob Lennert Veerman
HC Jehangir Medical Research Institute, Pune, Indien
Shashi Chiplonkar
Medizinische Fakultät der Hacettepe-Universität, Ankara, Türkei
Mustafa Arici
Medizinische Universität Hanoi, Hanoi, Vietnam
Le Tran Ngoan
Harokopio-Universität, Athen, Griechenland
Demosthenes Panagiotakos
Harvard School of Public Health, Cambridge, MA, USA
Yanping Li
Hellenic Health Foundation und Universität Athen, Athen, Griechenland
Antonia Trichopoulou
Herbert Wetheim College of Medicine, Miami, FL, USA
Noël Barengo
Hirabai Cowasji Jehangir Medical Research Institute, Pune, Indien
Anuradha Khadilkar & Veena Ekbote
Hypertonie-Forschungszentrum, Herz-Kreislauf-Forschungszentrum, Medizinische Universität Isfahan, Isfahan, Iran
Noushin Mohammadifard
ICCAS (Institut für wissenschaftliche Zusammenarbeit im Bereich Umwelt und Gesundheit), Buenos Aires, Argentinien
Irina Kovalsky
ICMR-National Institute of Nutrition, Hyderabad, Indien
Avula Laxmaiah, Harikumar Rachakulla, Hemalatha Rajkumar, Indrapal Meshram, Laxmaiah Avula, Nimmathota Arlappa und Rajkumar Hemalatha
IRCCS Neuromed, Pozzilli, Italien
Licia Lacoviello, Marialaura Bonaccio und Simona Costanzo
Forschungsinstitut für Entwicklung, Montpellier, Frankreich
Yves Martin-Prevel
Institut für Gesundheitsüberwachung, Bobigny, Frankreich
Katia Castetbon
Institut für internationale Untersuchungen, NDRI-USA, New York, NY, USA
Nattinee Jitnarin
Institut für Biomedizinische Wissenschaften, Academia Sinica, Taipei, Taiwan ROC
Yao-Te Hsieh
Institut für Ernährung und Lebensmitteltechnologie (INTA), Universität Chile, Santiago, Chile
Sonia Olivares
Institut für Ernährung in Mittelamerika und Panama (INCAP), Guatemala-Stadt, Guatemala
Gabriela Tejeda
Institut für öffentliche Gesundheit der Föderation Bosnien und Herzegowina, Sarajevo, Bosnien und Herzegowina
Aida Hadziomeragic
Institut für Studien zur öffentlichen Gesundheit, Bundesuniversität Rio de Janeiro (UFRJ), Rio de Janeiro, Brasilien
Amanda de Moura Souza
Institute für Biomedizinische Wissenschaften, Academia Sinica, Taipei, Taiwan ROC
Wen-Harn Pan
Internationale Agentur für Krebsforschung, Lyon, Frankreich
Inge Huybrechts
Internationales Forschungsinstitut für Lebensmittelpolitik (IFPRI), Washington, DC, USA
Alan de Brauw & Mourad Moursi
Forschungszentrum für interventionelle Kardiologie, Zentrum für kardiovaskuläre Forschung, Medizinische Universität Isfahan, Isfahan, Iran
Maryam Maghroun
Forschungsinstitut für Gesundheitswissenschaften, Bobo-Dioulasso, Burkina Faso
Augustin Nawidimbasba Zeba
Isfahan Herz-Kreislauf-Forschungszentrum, Herz-Kreislauf-Forschungszentrum, Medizinische Universität Isfahan, Isfahan, Iran
Nizal Sarrafzadegan
Israelisches Zentrum für Krankheitskontrolle, Ramat Gan, Israel
Little Keinan-Boker, Rebecca Goldsmith & Tal Shimony
Justus Liebig University Giessen, Giessen, Germany
Irmgard Jordan
KLE Academy of Higher Education and Research (anerkannte Universität) Jawaharlal Nehru Medical College, Belagavi, Indien
Shivanand C. Mastiholi
Kenya Medical Research Institute, Nairobi, Kenia
Moses Mwangi, Yeri Kombe und Zipporah Bukania
König-Abdulaziz-Universität, Jeddah, Saudi-Arabien
Eman Alissa
König-Saud-Universität, Riad, Saudi-Arabien
Nasser Al-Daghri & Shaun Sabico
King's College London, London, Großbritannien
Martin Gulliford
Kinshasa School of Public Health, Kinshasa, Demokratische Republik Kongo
Tshilenge S. Diba
Korea Disease Control and Prevention Agency (KDCA), Cheongju, Südkorea
Kyungwon Oh, Sanghui Kweon und Sihyun Park
Korea University, Seoul, Südkorea
Yoonsu Cho
Kuwait-Institut für wissenschaftliche Forschung, Kuwait-Stadt, Kuwait
Suad Al-Hooti
Laotisches Tropen- und Gesundheitsinstitut, Vientiane, Laos
Klicken Sie auf „Herunterladen“, um Chanthaly Luangphaxay - Chanthaly Luangphaxay mp3 youtube com zu speichern
Universitätsklinikum Lausanne (CHUV) und Universität Lausanne, Lausanne, Schweiz
Pedro Marques-Vidal
Leibniz-Zentrum für Agrarlandschaftsforschung, Münchenberg, Deutschland
Constance Rybak
Loyola University Chicago, Chicago, IL, USA
Amy Luke
Mahidol-Universität, Nakhon Pathom, Thailand
Von Rojroongwasinkul
Mahidol-Universität, Bangkok, Thailand
Noppawan Piaseu
Malaysischer Palmölrat (MPOC), Petaling Jaya, Malaysia
Kalyana Sundram
Medizinisches Zentrum Markovs, Sofia, Bulgarien
Donka Baykova
Menopause Andropause Research Center, Ahvaz Jundishapur University of Medical Sciences, Ahvaz, Islamische Republik Iran
Parvin Abedi
Gesundheitsministerium, Kuala Lumpur, Malaysia
Fariza Fadzil
Gesundheitsministerium, Sabak Bernam, Malaysia
Noriklil Bukhary Ismail Bukhary
Gesundheitsministerium, Victoria, Seychellen
Pascal Bovet
Gesundheitsministerium, Jakarta, Indonesien
Sandjaja Sandjaja
NYU School of Medicine, New York, NY, USA
Yu Chen
National Cancer Center Institute for Cancer Control, Tokio, Japan
Norie Sawada und Shoichiro Tsugane
Nationales Zentrum für öffentliche Gesundheit und Analysen (NCPHA), Sofia, Bulgarien
Lalka Rangelova, Stefka Petrova und Vesselka Duleva
Nationale Lebensmittelbehörde, Uppsala, Schweden
Anna Karin Lindroos, Jessica Petrelius Sipinen, Lotta Moraeus und Per Bergman
Nationale Lebensmittel- und Ernährungskommission, Lusaka, Sambia
Ward Siamusantu
Nationales Lebensmittel- und Ernährungsinstitut, Warschau, Polen
Lucjan Szponar
Nationale Gesundheitsforschungsinstitute, Gemeinde Zhunan, Republik China
Hsing-Yi Chang
Nationales Institut für Umweltstudien, Abteilung Gesundheit und Umweltrisiken, Tsukuba, Japan
Makiko Sekiyama
National Institute of Nutrition, Hyderabad, Indien
Balakrishna Nagalla, Kalpagam Farm & Siedlung Boindala
Nationales Institut für Ernährung, Hanoi, Vietnam
Khanh Le Nguyen Bao
Nationales Institut für Ernährung und Lebensmitteltechnologie & SURVEN RL, Tunis, Tunesien
Jalila El Ati
Nationales Institut für öffentliche Gesundheit (INSP), Mexiko-Stadt, Mexiko
Daniel Illescas-Zarate & Luz Maria Sanchez-Romero
Nationales Institut für öffentliche Gesundheit (INSP), Cuernavaca, Mexiko
Ivonne Ramirez Silva, Juan Rivera Dommarco, Simon Barquera und Sonia Rodríguez-Ramírez
Nationale Institute für biomedizinische Innovation, Gesundheit und Ernährung, Tokio, Japan
Nayu IkedaMehr
Nationales Ernährungsinstitut, Kairo, Ägypten
Sahar Zaghloul
Nationales Forschungsinstitut für Ernährung und Lebensmitteltechnologie (NNFTRI): SBMU, Teheran, Islamische Republik Iran
Anahita Houshiar-rad, Fatemeh Mohammadi-Nasrabadi und Morteza Abdollahi
Nationale Universität Malaysia (UKM), Kuala Lumpur, Malaysia
Klicken Sie auf „Herunterladen“, um Khun-Aik Chuah & Zaleha Abdullah Mahdy im MP3-Format auf YouTube zu speichern
Nestlé Research, Lausanne, Schweiz
Alison Eldridge
New England Complex Systems Institute, Cambridge, MA, USA
Eric L. Ding
North-West University, Potchefstroom, Südafrika
Herculine Kruger
Oslo Metropolitan University (OsloMet), Oslo, Norwegen
Sigrun Henjum
Perdana-Universität, Puchong, Malaysia
Anne Fernandez
Royal College of Surgeons in Irland, Dublin, Irland
Anne Fernandez
Päpstliche Sektionsuniversität Javeriana, Cali, Kolumbien
Milton Fabian Suarez-Ortegon
Öffentliche Behörde für Lebensmittel und Ernährung, Sabah Al Salem, Kuwait
Nawal Al-Hamad
Gesundheitsbehörde der Slowakischen Republik, Bratislava, Slowakische Republik
Veronika Janská
Universität Katar und Universität Jordanien, Doha, Katar
Reema Tayyem
Forschungsinstitut für endokrine Wissenschaften, Medizinische Universität Shahid Beheshti, Teheran, Islamische Republik Iran
Parvin-Spiegel
Forschungsinstitut für ursprüngliche Prävention von nichtübertragbaren Krankheiten, Medizinische Universität Isfahan, Isfahan, Islamische Republik Iran
Roya kommt
Abteilung für Risiko- und Nutzenbewertung, Schwedische Lebensmittelbehörde, Uppsala, Schweden
Eva Warensjo Lemming
Robert Koch-Institut, Berlin, Deutschland
Almut Richter, Gert Mensink & Lothar Wieler
Rutgers University, New Brunswick, NJ, USA
Daniel Hoffmann
Public Health France, das französische Gesundheitsamt, Saint Maurice, Frankreich
Benoît Salanave
Seoul National University, Seoul, Südkorea
Cho-il Kim
St. John's Research Institute, Bangalore, Indien
Rebecca Kuriyan-Raj und Sumathi Swaminathan
Medizinische Universität Tabriz, Tabriz, Islamische Republik Iran
Saeed Dastgiri
Universität Tallinn, Tallinn, Estland
Sirje Vaask
Taylor's University, Subang Jaya, Malaysia
Tilakavati Karupaiah
Teesside University, Middlesbrough, Großbritannien
Fatemeh Vida Zohoori
Medizinische Universität Teheran, Teheran, Islamische Republik Iran
Alireza Esteghamati & Sina Noshad
Medizinische Universität Teheran und Utica-Universität, Teheran, Islamische Republik Iran
Maryam Hashemian
Die Technische Universität von Kenia, Nairobi, Kenia
Elizabeth Mwaniki
Die University of New Mexico, Albuquerque, NM, USA
Elizabeth Yakes-Jimenez
Forschungszentrum für Tropenkrankheiten, Ndola, Sambia
Justin Chileshe & Sydney Mwanza
Öffentliche Ernährungseinheit, Macul, Chile
Lydia Lera Marques
Abteilung für Biochemie, Universität Puerto Rico – Medical Science Campus, San Juan, Puerto Rico
Alan Martin Preston
Universität San Sebastian, Santiago, Chile
Samuel Duran Agüero
Technische Universität des Nordens, Ibarra, Ecuador
Mariana Oleas
Universität von Antioquia, Medellin, Kolumbien
Posada Licht
Universität Cuenca, Cuenca, Ecuador
Angelica Ochoa
Medizinisches Zentrum der National University of Malaysia, Kuala Lumpur, Malaysia
Khadijah Shamsuddin
Universität Putra Malaysia, Serdang, Malaysia
Zalilah Mohd Shariff
Universität der Wissenschaften Malaysia, Kubang Kerian, Malaysia
Hamid Jan Bin Jan Mohamed & Wan Manan
Universitätszentrum für Grundversorgung und öffentliche Gesundheit (Unisanté), Lausanne, Schweiz
Pascal Bovet
Untere Donau-Universität, Galati, Rumänien
Anca Nicolau & Cornelia Tudorie
Nationale Universität von Malaysia, Bangi, Malaysia
Bee Koon Poh
Universität Aberdeen, Aberdeen, Großbritannien
Pamela Abbott
University of Alberta, Edmonton, Alberta, Kanada
Mohammadreza Pakseresht & Sangita Sharma
Universität Bergen, Bergen, Norwegen
Tor Strand
Universität Bonn, Fachbereich Ernährungs- und Lebensmittelwissenschaften, Bonn, Deutschland
Ute Alexy & Ute Nöthlings
University of California Davis, Davis, CA, USA
Jan Carmikle & Ken Brown
Universität von Cincinnati, Cincinnati, OH, USA
Jeremy Koster
Universität Colombo, Colombo, Sri Lanka
Indu Waidyatilaka, Pulani Lanerolle und Ranil Jayawardena
Medizinische Fakultät der University of Colorado, Aurora, CO, USA
Julie M. Long, K. Michael Hambidge und Nancy F. Krebs
Universität Dhaka, Dhaka, Bangladesch
Aminul Haque
Universität Göttingen, Göttingen, Deutschland
Gudrun B. Keding
Universität Helsinki, Abteilung für Lebensmittel und Ernährung, Helsinki, Finnland
Liisa Korkalo, Maijaliisa Erkkola und Riitta Freese
Universität Hohenheim, Stuttgart, Deutschland
Laila Eleraky & Wolfgang Stütz
Universität Island, Reykjavík, Island
Inga Thorsdottir und Ingibjorg Gunnarsdottir
Universität Insubria, Varese, Italien
Licia Lacoviello
Universität Las Palmas de Gran Canaria (ULPGC), Las Palmas, Spanien
Lluis Serra-Majem
Universität Malaya, Kuala Lumpur, Malaysia
Foong Ming Moy
Universität Manchester, Manchester, Großbritannien
Simon Anderson
Universität von Mauritius, Moka, Mauritius
Rajesh Jeewon
Universität für Medizin und Pharmazie Carol Davila, Bukarest, Rumänien
Corina Aurelia Zugravu
Universität von North Carolina in Chapel Hill, Chapel Hill, NC, USA
Linda Adair & Shu Wen Ng
University of Otago, Dunedin, Neuseeland
Sheila Skeaff
Universität Sao Paulo, Sao Paulo, Brasilien
Dirce Marchioni & Regina Fisberg
Universität von Saskatchewan, Saskatoon, Saskatchewan, Kanada
Carol Henry, Getahun Ersino und Gordon Zello
Universität Wien, Wien, Österreich
Alexa Meyer & Ibrahim Elmadfa
Universität der südlichen Karibik, Port-of-Spain, Trinidad und Tobago
Claudette Mitchell und David Balfour
Universität Wageningen, Wageningen, Niederlande
Johanna M. Geleijnse
Washington University in St. Louis, St. Louis, MO, USA
Mark Manari
Weltgesundheitsorganisation (WHO), Genf, Schweiz
Laetitia Nikiema
Weltgesundheitsorganisation (WHO), Amman, Jordanien
Tatjana El-Kour
Kardiovaskuläres Forschungszentrum Yazd, Medizinische Universität Shahid Sadoughi, Yazd, Islamische Republik Iran
Masoud Mirzaei
Ziauddin-Universität Karachi, Karachi, Pakistan
Rubina Hakeem
Sie können diesen Autor auch in PubMed Google Scholar suchen
Sie können diesen Autor auch in PubMed Google Scholar suchen
Sie können diesen Autor auch in PubMed Google Scholar suchen
Sie können diesen Autor auch in PubMed Google Scholar suchen
Sie können diesen Autor auch in PubMed Google Scholar suchen
Sie können diesen Autor auch in PubMed Google Scholar suchen
Sie können diesen Autor auch in PubMed Google Scholar suchen
Sie können diesen Autor auch in PubMed Google Scholar suchen
Sie können diesen Autor auch in PubMed Google Scholar suchen
VM, PW und DM konzipierten und gestalteten die Studie. VM, RM, JR und JC waren an der Datenerhebung beteiligt. VM, FC, JZ, PS und JE-M. führte die Analysen für die Studie durch. VM, PW und DM haben das Manuskript verfasst. Alle Autoren interpretierten die Daten, lasen das endgültige Manuskript, überprüften es auf wichtige intellektuelle Inhalte und genehmigten seine Einreichung. VM und DM sind die Garanten dieser Arbeit.
Korrespondenz mit Victoria Miller.
VM meldet Forschungsgelder der Canadian Institutes of Health Research, die außerhalb der eingereichten Arbeit liegen. PW berichtet über Forschungsstipendien und -verträge der US-amerikanischen Agentur für internationale Entwicklung sowie persönliche Honorare des Global Panel on Agriculture and Food Systems for Nutrition, die außerhalb der eingereichten Arbeit liegen. JR, JZ und PS berichten über Forschungsgelder von Nestlé, die außerhalb der eingereichten Arbeit liegen. JC berichtet über Forschungsgelder der Bill and Melinda Gates Foundation und der United States Agency for International Development sowie persönliche Honorare von UNICEF/WHO, die außerhalb der eingereichten Arbeit liegen. DM meldet Forschungsförderung durch die National Institutes of Health und die Bill and Melinda Gates Foundation; persönliche Honorare von GOED, Bunge, Indigo Agriculture, Motif FoodWorks, Amarin, Acasti Pharma, Cleveland Clinic Foundation, America's Test Kitchen und Danone; Mitglied des wissenschaftlichen Beirats für Brightseed, DayTwo, Elysium Health, Filtricine, HumanCo und Tiny Organics; und Kapitellizenzgebühren von UpToDate, alle außerhalb des eingereichten Werks. Die anderen Autoren haben keine Angaben zu machen.
Nature Food dankt Inge Tetens und den anderen, anonymen Gutachtern für ihren Beitrag zum Peer-Review dieser Arbeit.
Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.
Bei den Daten handelt es sich um den Mittelwert (95 % Unsicherheitsintervall). Der AHEI-Score reichte von 0 bis 100. <6 Jahre: <6 Jahre Ausbildung; ≥6 bis <12 Jahre: ≥6 bis <12 Jahre Ausbildung; ≥12 Jahre: ≥12 Jahre Ausbildung. Ländlich: ländlicher Wohnsitz; urban: städtischer Wohnsitz.
Bei den Daten handelt es sich um den Mittelwert (95 % Unsicherheitsintervall). Der DASH-Score lag zwischen 5 und 40. <6 Jahre: <6 Jahre Ausbildung; ≥6 bis <12 Jahre: ≥6 bis <12 Jahre Ausbildung; ≥12 Jahre: ≥12 Jahre Ausbildung. Ländlich: ländlicher Wohnsitz; urban: städtischer Wohnsitz.
Bei den Daten handelt es sich um den Mittelwert (95 % Unsicherheitsintervall). Der MED-Score reichte von 0 bis 8. <6 Jahre: <6 Jahre Ausbildung; ≥6 bis <12 Jahre: ≥6 bis <12 Jahre Ausbildung; ≥12 Jahre: ≥12 Jahre Ausbildung. Ländlich: ländlicher Wohnsitz; urban: städtischer Wohnsitz.
Der DASH-Score lag zwischen 5 und 40 und der MED-Score zwischen 0 und 8.
Der DASH-Score lag zwischen 5 und 40 und der MED-Score zwischen 0 und 8.
Der DASH-Score lag zwischen 5 und 40 und der MED-Score zwischen 0 und 8. Die absolute Differenz zwischen 2018 und 1990 wurde als Differenz auf Schichtebene berechnet und unter Verwendung gewichteter Bevölkerungsanteile zu den globalen und regionalen Durchschnittsdifferenzen aggregiert 2018.
Die absolute Differenz nach Bildung wurde als Differenz auf Schichtebene berechnet und zu den globalen und regionalen Durchschnittsdifferenzen aggregiert, wobei gewichtete Bevölkerungsanteile nur für niedrige (<6 Jahre) und hohe Bildungsniveaus (≥12 Jahre) verwendet wurden (ausgenommen Bildungsniveau =). ≥6 bis <12 Jahre).
Der absolute Unterschied nach Urbanität wurde als Unterschied auf Schichtebene berechnet und unter Verwendung gewichteter Bevölkerungsanteile zu den globalen und regionalen Durchschnittsunterschieden aggregiert.
Die absolute zeitliche Differenz wurde als Differenz auf Schichtebene berechnet und unter Verwendung gewichteter Bevölkerungsanteile für 2018 zu den globalen und regionalen Durchschnittsdifferenzen aggregiert.
Ergänzende Methoden, Tabellen 1–8 und Diskussion.
Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.
Nachdrucke und Genehmigungen
Miller, V., Webb, P., Cudhea, F. et al. Die globale Ernährungsqualität in 185 Ländern von 1990 bis 2018 weist große Unterschiede je nach Nation, Alter, Bildung und Urbanität auf. Nat Food 3, 694–702 (2022). https://doi.org/10.1038/s43016-022-00594-9
Zitat herunterladen
Eingegangen: 23. März 2022
Angenommen: 12. August 2022
Veröffentlicht: 19. September 2022
Ausgabedatum: September 2022
DOI: https://doi.org/10.1038/s43016-022-00594-9
Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:
Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.
Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt
Naturkost (2023)
Bewertungen in Fischbiologie und Fischerei (2022)