Navegando por Autor "Mattar, Jéssica Bevenuto"

Agora exibindo 1 - 2 de 2

Características individuais e ambientais relacionadas ao consumo de alimentos ultraprocessados (Projeto CUME)
(Universidade Federal de Viçosa, 2019-07-30) Mattar, Jéssica Bevenuto; Bressan, Josefina; http://lattes.cnpq.br/4736102734860236
A transição nutricional, marcada principalmente pelo aumento do consumo de alimentos ultraprocessados, já é uma realidade nos países do Sul Global, incluindo o Brasil. Estudar as características individuais e, principalmente, ambientais que se relacionam a este consumo é crucial para a elaboração de novas políticas públicas que promovam hábitos alimentares saudáveis da população. Com isso, o objetivo deste trabalho foi avaliar como características individuais e do ambiente construído e social se relacionam com o consumo alimentar de egressos de universidades mineiras. Trata-se de um estudo transversal, conduzido com 4.987 adultos graduados e/ou pós-graduados na Universidade Federal de Viçosa (UFV) e/ou Universidade Federal de Minas Gerais (UFMG) entre os anos 1994 e 2014, que preencheram o questionário de linha de base da Coorte de Universidades Mineiras (CUME) no período de março a agosto de 2016. A variável dependente foi o maior consumo de alimentos ultraprocessados, obtido por meio de um questionário de frequência de consumo alimentar e pela classificação dos itens alimentares baseando-se no grau de processamento proposto pela classificação NOVA. Dados sobre as práticas alimentares, características socioeconômicas, e de estilo de vida foram obtidos por meio de um questionário online auto respondido. Os respondentes que relataram residir em Viçosa (Minas Gerais) foram convidados a comparecer em uma etapa de coleta de dados presencial, e compuseram assim uma sub amostra do estudo. Na etapa presencial, duas escalas sobre a percepção do ambiente social e construído foram aplicadas. Ademais, os dados geográficos dos endereços residenciais e profissionais dos participantes foram obtidos. Para caracterizar o ambiente alimentar, os endereços dos estabelecimentos bares/lanchonetes, alimentícios (varejos bares/restaurantes, de açaí, restaurantes, sorveterias, feiras açougues, livres, peixarias, varejistas de hortifrutigranjeiros, mercearias, padarias, varejistas de produtos naturais, varejistas de laticínios e frios, supermercados e serviços ambulantes de alimentação) foram coletados em listagens disponibilizadas pela Vigilância Sanitária, com posterior verificação in loco, utilizando o aplicativo ColetAPP (versão 1.0). O buffer euclidiano de 200 metros foi utilizado como unidade de medida. No Software QGIS ® (versão 3.4.7), realizou-se a contagem dos estabelecimentos alimentícios e das ocorrências policiais para cada buffer que continha como centroide o endereço residencial ou profissional dos participantes. Para todos os participantes da etapa online, análises univariadas de regressão logística multinomial foram conduzidas para estimar as razões de chance (OR) associadas ao maior consumo de alimentos ultraprocessados em um intervalo de confiança de 95%, usando o primeiro quartil de consumo como referência. As análises foram ajustadas pelas covariáveis sexo, idade e renda individual e conduzidas no software STATA® (versão 12). Para comparar a distribuição dos estabelecimentos alimentícios, obtida pela contagem dentro dos buffers, entre os tercis de consumo de alimentos ultraprocessados, o teste de Kruskal-Wallis foi conduzido no software estatístico SPSS ® (versão 23.0), com α adotado de 5%. Para a amostra total, percepção negativa do estado de saúde (OR 2.12, 95% CI 1.41 – 3.20), maior tempo gasto no computador (OR 1.65, 95% CI 1.19 – 2.26) ou na TV (OR 2.25, 95% CI 1.50 – 3.37), inatividade física (OR 1.83, 95% CI 1.36 – 2.45), o hábito de adicionar açúcar nas bebias (OR 1.34, 95% CI 1.03 – 1.74) e sal na salada (OR 1.43, 95% CI 1.10 – 1.85), não ter o hábito de consumir alimentos prebióticos (OR 1.81, 95% CI 1.40 – 2.32), ou orgânicos (OR 2.03, 95% CI 1.59 – 2.59), ou vegetais refogados (OR 1.61, 95% CI 1.25 – 2.07), alto consumo de alimentos fritos (OR 2.62, 95% CI 2.01 – 3.41) e almoçar em restaurantes fastfood (OR 4.04, 95% CI 2.60 – 6.27) se associaram ao maior consumo de alimentos ultraprocessados. A prevalência do maior consumo de alimentos ultraprocessados aumentou 1,89 vezes (95% CI: 1,10 – 3,25) entre aqueles que almoçam em restaurante universitário e diminuiu 0,41 vezes (RP: 0,59; 95% CI: 0,37 – 0,94) entre aqueles que almoçam em casa. A distribuição dos estabelecimentos alimentícios e de ocorrências policiais não diferiu entre os tercis de consumo para os endereços residenciais, enquanto menor distribuição de bares/lanchonetes, restaurantes e estabelecimentos de aquisição de ultraprocessados foi encontrada no maior tercil de consumo de alimentos ultraprocessados para os endereços profissionais. Os fatores mais associados ao maior consumo de alimentos ultraprocessados foram relacionados ao estilo de vida e às práticas alimentares, e avaliar apenas a exposição alimentar em áreas residenciais subestima a exposição total a qual os indivíduos estão submetidos, comprometendo estimativas das reais associações entre indivíduos e seus ambientes. Além disso, refeições realizadas em ambiente domiciliar se apresentaram como fator protetor ao consumo de alimentos ultraprocessados. Palavras-chave: Estilo de vida. Ambiente obesogênico. Ambiente social. Ambiente alimentar. Classificação NOVA.
Dietary patterns, global syndemic components and an exposome approach: a comprehensive data analysis of the CUME study
(Universidade Federal de Viçosa, 2024-04-04) Mattar, Jéssica Bevenuto; Bressan, Josefina; http://lattes.cnpq.br/4736102734860236
The pandemics of obesity, malnutrition and climate change make up the Global Syndemic, which has food systems as one of the main determinants in common. Current food systems have changed eating patterns based on natural and fresh foods to patterns rich in foods from animal source and ultra-processed foods. Researchers have debated the impact of different dietary patterns on human and environmental health, but no study has focused on the relationship between Brazilian dietary patterns and the three components of the global syndemic. Furthermore, the multiple and complex etiology of obesity, in addition to new evidence that points to relationships between climate change and obesity, reveals the need to study obesity using the exposome approach, which is the cumulative measure of environmental influences and associated biological responses throughout the lifespan. Therefore, the objective of this thesis was to evaluate the association between the dietary patterns of participants of the Cohort of Universities of Minas Gerais (CUME Study) and the components of the global syndemic, focusing on the relationship between obesity and climate change. To this end, cross-sectional and longitudinal analyzes were conducted using data from the CUME Study. Graduates from Minas Gerais universities participating in the CUME Study answered baseline (Q_0), two (Q_2), four (Q_4) and six (Q_6) year follow-up questionnaires in a virtual environment. Q_0 consists of 83 questions about lifestyle, sociodemographic, anthropometric, and clinical data, individual and family morbidity, in addition to a semi-quantitative Food Frequency Questionnaire (FFQ). The follow-up questionnaires aimed to identify changes in the data provided in Q_0. Dietary patterns were determined from FFQ data, through principal component analysis, and were associated, using the linear regression technique, with (1) undernutrition, assessed as insufficient intake of vitamins and minerals; (2) climate change, assessed by the carbon, water and ecological footprints of the food consumed; and (3)obesity, assessed by Body Mass index (BMI). Air pollution is closely related to climate change. Therefore, an assessment of the effect of long-term exposure to fine particulate matter (PM2.5) on longitudinal changes in BMI was conducted using multilevel linear mixed -effects models to assess the association between obesity and climate change. Furthermore, obesity was assessed using the exposome approach, using supervised classification models. Thus, five decision tree- based algorithms were conducted in RStudio® (4.3.3) to predict obesity using the Caret package. The algorithms performed were Random-Forest, Rpart/Cart, c5.0, Bagging and Boosting. Different partitions of the database were tested and accuracy was used as a criterion for determining the best model fit. Four dietary patterns were identified: (1)Unhealthy dietary pattern, which increased the odds of obesity and micronutrient inadequacy and presented the greatest environmental impact for the three parameters evaluated; (2)Brazilian dietary pattern, which increased the chance of obesity and micronutrient inadequacy and had the lowest environmental impact; (3)Healthy dietary pattern, which was protective against micronutrient inadequacy; and (4)Dairy dietary pattern, which had the greatest protective effect against Calcium inadequacy. No direct effect between PM 2.5 and BMI was found. However, an interaction effect between PM2.5 and physical activity on BMI was observed. In adjusted analyses, BMI was significantly higher among those physically inactive and exposed to 15-30 µg/m3 PM2.5 , compared to those who are insufficiently active. When compared with those who are physically active, those who are inactive had a significantly higher BMI when exposed to PM2.5 ≥ 15 µg/m3 . The Boosting model presented the best performance for predicting obesity. Then, a plot of the importance of variables was extracted from this model. The plot revealed that unhealthy dietary pattern is the most significant predictor of obesity, followed by age, maternal obesity, TV usage, per capita income of the census tract where the participants live, siblings’ obesity, exposure to PM2.5 , Brazilian dietary pattern, father’s obesity and individual income. This study highlights the importance of public policy actions to incorporate the costs of effects on human and planetary health, to align the Brazilian diet with the Brazilian Dietary Guideline, to control air pollution while encouraging increasing the practice of physical activity and improving the housing conditions of those living in regions of lower socioeconomic status. Keywords: Sustainable diet; Air pollution; Body Mass Index; Long-term effects; Machine learning.