# Estimating the share of ultra-processed foods in Brazilian municipalities

## TL;DR

This study estimates the caloric share of ultra-processed foods in Brazilian municipalities using a statistical model based on dietary and sociodemographic data.

## Contribution

The paper introduces a predictive model to estimate ultra-processed food consumption at the municipal level in Brazil.

## Key findings

- The model showed high accuracy with a concordance correlation coefficient of 0.87.
- Municipalities in the South region and São Paulo had higher ultra-processed food consumption (>20%).
- Capital cities had higher estimates of ultra-processed food consumption compared to other municipalities in their states.

## Abstract

To estimate the caloric share of ultra-processed foods (% UPF) in the 5,570 Brazilian municipalities.

The estimation of % UPF in municipalities was performed using a statistical prediction model based on data from 46,164 individuals aged over >10 years who participated in the Household Budget Survey (HBS 2017–2018). Multiple linear regression was used to estimate the average % UPF (measured through two 24-hour dietary recalls) based on predictor variables (sex, age, income, education, race/color, urbanity, federative units, and geographic location). The model's adequacy was assessed through residual analysis and by comparing predicted values with those directly measured in POF 2017–2018 using Lin's concordance correlation coefficient (CCC). The linear coefficients obtained from the multiple linear regression model were applied to the sociodemographic data from the 2010 Census (measured similarly to POF) to estimate the % UPF for each municipality.

The statistical model proved adequate, showing normally distributed residuals and a CCC of 0.87, indicating almost perfect agreement. There was heterogeneity in the distribution of % UPF estimates, ranging from 5.75% in Aroeiras do Itaim (PI) to 30.5% in Florianópolis (SC). % UPF estimates were higher (>20%) in municipalities from the South region and the state of São Paulo. Capitals had higher estimates of caloric contribution from ultra-processed foods compared to other municipalities in their states.

The predictive model revealed differences in % UPF among Brazilian municipalities. The generated estimates can contribute to monitoring ultra-processed food consumption at the municipal level and support the development of public policies focused on promoting healthy eating.

Estimar a participação calórica de alimentos ultraprocessados (% AUP) nos 5.570 municípios brasileiros.

A estimativa de % AUP nos municípios foi realizada a partir de um modelo estatístico de predição construído com base nos dados de 46.164 indivíduos com idades >10 anos participantes da Pesquisa de Orçamentos Familiares (POF 2017–2018). Regressão linear múltipla foi usada para estimar a % média de AUP (medida por meio de dois recordatórios alimentares de 24 h) em função das variáveis preditoras (sexo, idade, renda, escolaridade, raça/cor, urbanidade, Unidades da Federação e localização geográfica). O modelo foi avaliado quanto a sua adequabilidade por meio de análise de resíduos e pela comparação entre valores preditos pelo modelo e mensurados diretamente na POF 2017–2018 por meio do coeficiente de correlação-concordância de Lin (CCC). Os coeficientes lineares obtidos no modelo de regressão linear múltiplo foram aplicados aos dados sociodemográficos da amostra do Censo de 2010 (aferidos de forma semelhante à da POF) para estimar o % de AUP de cada um dos municípios.

O modelo estatístico mostrou-se adequado, apresentando distribuição normal dos resíduos e um CCC de 0,87, indicando concordância quase perfeita. Foi observada uma heterogeneidade na distribuição das estimativas de % AUP, variando de 5,75% em Aroeiras do Itaim (PI) a 30,5% em Florianópolis (SC). As estimativas de % AUP foram mais altas (>20%) em municípios da região Sul e do estado de São Paulo. As capitais apresentam maiores estimativas de participação calórica de alimentos ultraprocessados em relação aos demais municípios de seus estados.

O modelo preditivo revelou diferenças de % AUP entre os municípios brasileiros. As estimativas geradas podem contribuir para o monitoramento do consumo alimentar de ultraprocessados no nível municipal e fortalecer e subsidiar a criação de políticas públicas focadas na promoção da alimentação saudável.