Dietary indicators identified in Twitter posts, and their association with the prevalence of obesity in Argentina
Keywords:
Obesity, Twitter, Social networks, Food indicatorAbstract
Obesity is a relevant public health problem due to its increasing prevalence and health impact. It can be posited that social networks may serve as a valuable source of information for the study of phenomena related to the health of populations. This study aimed to develop an approach to dietary habits using Twitter posts and to evaluate the association between indicators constructed from this content and the geographical pattern of obesity burden in Argentina.
A multi-group ecological study was conducted, using data from the National Survey of Risk Factors 2018 to calculate weighted obesity prevalence rates (at a provincial scale) and 6,023,548 geo-referenced tweets collected during 2021-2022. Geolocated food proxy indicators were constructed using natural language processing-AI- from content shared on Twitter. Maps were generated and Moran's autocorrelation index was calculated to detect spatial patterns. In addition, the correlation between the constructed indicators and the prevalence of total obesity by sex and age group was estimated.
The distribution of the prevalence of obesity, the rate of food tweets, and the Nutritional Density Index-NDI showed a non-random spatial distribution (p<0.05). The frequency of mention of some foods considered 'healthy' (cucumber, grapefruit, orange, tuna, meat, among others) correlated inversely with the prevalence of obesity at the provincial level. In contrast, the mention of foods such as sweetbreads, semi-hard cheese, chocolate, black pudding, hamburgers, and sweets showed a positive correlation. In some cases, these results varied according to sex and age group. Finally, a higher rate of food tweets was associated with a better average NDI at the provincial level (p=0.04).
In conclusion, this study highlights the usefulness of social networks as a source to explore food trends related to obesity, which would favor the formulation of effective policies, which are necessary to deepen this line of study.
References
1- Organización Mundial de la Salud. Obesidad y sobrepeso. 2021. Recuperado de: https://www.who.int/es/news-room/fact-sheets/detail/obesity-and-overweight
2- Instituto Nacional de Estadísticas y Censos, Ministerio de Salud de la Nación. 4° Encuesta Nacional de Factores de Riesgo para enfermedades no transmisibles [Internet]. Argentina; 2019 [citado julio, 2024]. Disponible en: https://www.indec.gob.ar/ftp/cuadros/publicaciones/enfr_2018_resultados_definitivos.pdf
3- Aballay LR, Coquet JB, Scruzzi GF, Haluszka E, Franchini G, Carreño P, Raboy E, Román MD, Niclis C, Balangero M, Altamirano N, Barbás MG, López L. Estudio de base poblacional de seroprevalencia y factores asociados a la infección por SARS-CoV-2 en Córdoba, Argentina. Cadernos de Saude Publica. 2022;38(4). doi:10.1590/0102-311XES219821.
4- Pou SA, Niclis C, Díaz MP. Socio-territorial configuration of mortality by chronic diseases of greater prevalence. En: Inequities and Quality of Life in Argentina, Geography and Quality of Life in Argentina. Cham, Suiza: Springer; 2022. p. 311-353. doi:10.1007/978-3-030-94411-7.
5- Niclis C, Coquet JB, Aballay L. Socio-spatial differences in the prevalence of lifestyle risk factors related to chronic diseases in Argentina from 2005 to 2013. En: Inequities and Quality of Life in Argentina, Geography and Quality of Life in Argentina. Cham, Switzerland: Springer; 2022. p. 227-79. doi:10.1007/978-3-030-94411-7.
6- Braguinsky J. Concepto, definición y diagnóstico. En: Obesidad saberes y conflictos, un tratado de obesidad. Argentina: Editorial Medica AWWE;2007.
7- Organización Mundial de la Salud, Organización de las Naciones Unidas para la Alimentación y la Agricultura, Fondo de las Naciones Unidas para la Infancia (UNICEF). Guidance for monitoring healthy diets globally. Ginebra: Organización Mundial de la Salud; 2024.
8- Secretaría de Gobierno de Salud. 2° Encuesta Nacional de Nutrición y Salud ENNYS 2 [Internet]. 2019 [citado 2023 Oct 18]. Disponible en: https://cesni-biblioteca.org/2-encuesta-nacional-de-nutricion-y-salud-ennys-2-resumen-ejecutivo/
9- Boon-Itt S, Skunkan Y. Public perception of the COVID-19 pandemic on Twitter: sentiment analysis and topic modeling study. JMIR Public Health Surveill. 2020;6(4). doi:10.2196/21978.
10- Matar RP, Esponda EP. Red social Twitter: fortalezas y debilidades. Infodir (Revista de Información para la Dirección en Salud). 2016;12(23):77-86.
11- Wanden-Berghe C, Sanz-Valero J. Infodemiología o infodemia: nuevo reto de la salud global. Hosp Domic. 2021;5(4):179-83.
12- Tweepy. [Internet]. [citado 2024 Oct]. Disponible en: https://www.tweepy.org/
13- MongoDB, Inc. MongoDB: the database for giant ideas. [Internet]. [citado 2024 Oct]. Disponible en: https://www.mongodb.com/
14- Jupyter Project. Jupyter Notebook. [Internet]. [citado 2024 Oct]. Disponible en: https://jupyter.org/
15- Pérez JM, Luque FM. Atalaya at SemEval 2019 Task 5: robust embeddings for tweet classification. En: Proceedings of the 13th International Workshop on Semantic Evaluation; 2019; Minneapolis, Minnesota, USA: Association for Computational Linguistics; 2019. p. 64-9.
16- Gore RJ, Diallo S, Padilla J. You are what you tweet: connecting the geographic variation in America's obesity rate to Twitter content. PLoS One. 2015;10(9). doi:10.1371/journal.pone.0133505.
17- Instituto Nacional de Estadística y Censos. Censo Nacional de Población y Viviendas 2010 [Internet]. [citado 2024 Jul]. Disponible en: https://www.indec.gob.ar/indec/web/Nivel4-Tema-2-41-135
18- StataCorp. Stata Statistical Software: Release 17. College Station, TX: StataCorp LLC; 2021.
19- Niclis C, Aballay LR, Coquet JB. Factores de riesgo relacionados a enfermedades crónicas. En: Velázquez GA, Celemin JP, editores. Atlas histórico y geográfico de la Argentina: calidad de vida. 1ra ed. Olavarría: Universidad Nacional del Centro de la Provincia de Buenos Aires; 2020.
20- Pou SA, Aballay LR, Huergo J. Sociodemografía de la obesidad. En: Velázquez GA, Celemín JP, editores. Atlas histórico y geográfico de la Argentina. Calidad de vida I. Tandil, Argentina: Universidad Nacional del Centro de la Provincia de Buenos Aires; 2020. p. 403-59.
21- Cava A. La cultura del gusto: la alimentación entre representaciones y conexiones. Rev Castellano-Manchega Cienc Soc. 2019;26:121-33.
22- Godinho S de Souza. La obesidad desde una mirada social: estudio en Argentina y Brasil (2010 a 2012) [Tesis de Maestría en línea]. Buenos Aires: Pontificia Universidad Católica Argentina; 2013. Disponible en: https://repositorio.uca.edu.ar/handle/123456789/176
23- Álvarez Mieres N. Alimentación y salud: la obesidad como factor de riesgo. NPunto. 2019;2(17):1-81.
24- Tamayo D, Restrepo M. Aspectos psicológicos de la obesidad en adultos. Rev Psicología Univ Antioquia. 2014;6(1):91-112.
25- Navarro A, Muñoz S, Lantieri M, Díaz MP, Cristaldo P, Fabro S, et al. Meat cooking habits and risk of colorectal cancer in Córdoba, Argentina. Nutrition. 2004;20(10):873-7.
26- Matos E, Brandani A. Review on meat consumption and cancer in South America. Mutat Res. 2002;506-507:243-9. doi:10.1016/s0027-5107(02)00171-9.
27- Ministerio de Salud de Argentina. Manual para la aplicación de las guías alimentarias para la población argentina [Internet]. 2018 [citado 2024 Jun]. Disponible en: https://bancos.salud.gob.ar/sites/default/files/2020-08/guias-alimentarias-para-la-poblacion-argentina_manual-de-aplicacion_0.pdf
28- Organización Panamericana de la Salud. Alimentos y bebidas ultraprocesados en América Latina: tendencias, efecto sobre la obesidad e implicaciones para las políticas públicas [Internet]. 2015 [citado 2024 Oct]. Disponible en: https://bancos.salud.gob.ar/sites/default/files/2020-05/alimentos-bebidas-ultraprocesados-america-latina_obesidad_oms.pdf
29- We Are Social y Meltwater. “Digital 2023 Argentina”. [Internet] 2023. [citado 5/jul/2023] Disponible en: https://datareportal.com/reports/digital-2023-argentina
30- Ollari M. Redes sociales: entre la expansión hacia un uso activo y las restricciones del acceso diferencial. VIII Jornadas de Sociología de la UNLP; 2014; 3-5 de diciembre; Ensenada, Argentina. En: Memoria Académica [Internet]. Disponible en: http://www.memoria.fahce.unlp.edu.ar/trab_eventos/ev.4790/ev.4790.pdf
31- Tommasel A, Diaz Pace JA, Godoy DL, Rodriguez JM. Tracking the evolution of crisis processes and mental health on social media during the COVID-19 pandemic. Behav Inf Technol. 2021;11:1-20. Taylor & Francis Ltd.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Eugenia Haluszka, Laura Rosana Aballay, Sonia Alejandra Pou, Julia Wirtz Baker, Emilia Belén Díaz Oroz, Alejandra Concepción Pastore, Valentina Peralta Sparacino, Rocío Zonghetti, Camila Niclis
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
