Changes
Translation components API.
See the Weblate's Web API documentation for detailed description of the API.
GET /api/components/sdg-metadata/2-1-1/changes/?format=api&page=3
{ "count": 637, "next": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/changes/?format=api&page=4", "previous": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/changes/?format=api&page=2", "results": [ { "unit": null, "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/pt/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.668273+02:00", "action": 0, "target": "", "old": "", "details": { "reason": "content changed", "filename": "translations-metadata/en/2-1-1.yml" }, "id": 23102203, "action_name": "Resource updated", "url": "https://hosted.weblate.org/api/changes/23102203/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/38500336/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/pt/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.668229+02:00", "action": 59, "target": "", "old": "", "details": { "state": 0, "source": "<p><strong>URL: </strong></p>\n<p><a href=\"https://www.fao.org/food-agriculture-statistics/statistical-domains/food-security-and-nutrition/en/\">https://www.fao.org/food-agriculture-statistics/statistical-domains/food-security-and-nutrition/en/</a> </p>\n<p><strong>References: </strong></p>\n<p><a href=\"http://www.fao.org/docrep/012/w0931e/w0931e16.pdf\">http://www.fao.org/docrep/012/w0931e/w0931e16.pdf</a></p>\n<p><a href=\"http://www.fao.org/docrep/005/Y4249E/y4249e06.htm#bm06\">http://www.fao.org/docrep/005/Y4249E/y4249e06.htm#bm06</a></p>\n<p><a href=\"http://www.fao.org/3/a-i4060e.pdf\">http://www.fao.org/3/a-i4060e.pdf</a></p>\n<p><a href=\"http://www.fao.org/3/a-i4046e.pdf\">http://www.fao.org/3/a-i4046e.pdf</a></p>", "old_state": 0 }, "id": 23102202, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102202/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/38500335/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/pt/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.668180+02:00", "action": 59, "target": "", "old": "", "details": { "state": 0, "source": "<p><strong>Sources of discrepancies: </strong></p>\n<p>Many countries have produced and reported on estimates of the Prevalence of Undernourishment, including in their national MDG Reports, but almost invariably using a different methodology than the one developed by FAO, which makes national figures not comparable to those reported by FAO for global monitoring. </p>\n<p>The most common approach used in preparing national reports has been to calculate the percentage of households for which the average per capita daily dietary energy consumption is found to be below thresholds based on daily Recommended Dietary Intake, usually set at 2,100 kcal, based on household survey data. In some cases, also lower thresholds of around 1,400 kcal have been used, probably as a reaction to the fact that percentages of households reporting average daily consumption of less than 2,100 kcal per capita were implausibly high estimates of the prevalence of undernourishment. </p>\n<p>Almost without exception, no consideration related to the presence of excess variability in the dietary energy consumption data is made, and the reports reveal limited or no progress in the reduction of PoU over time. </p>\n<p>As discussed in the section on the method of computation, the results obtained through these alternative methods are highly unreliable and almost certainly biased toward overestimation. It is therefore advisable that a concerted effort is made to advocate for use of the FAO methods also in preparation of national reports. FAO stands ready to provide all necessary technical support.</p>", "old_state": 0 }, "id": 23102201, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102201/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/38500334/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/pt/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.668118+02:00", "action": 59, "target": "", "old": "", "details": { "state": 0, "source": "<p><strong>Data availability:</strong></p>\n<p>Since 2017 FAO has reported separate estimates of PoU for 160 countries. </p>\n<p>While country-level estimates are presented as three-year averages, regional and global estimates are yearly estimates. </p>\n<p><strong>Time series: </strong></p>\n<p>2000 - current </p>\n<p><strong>Disaggregation: </strong></p>\n<p>Due to reliance on national Food Balance Sheets data to estimate mean caloric consumption levels in the population, the global monitoring of MDG Target 1C and of the WFS target has been based on estimates of the PoU at national level only. </p>\n<p>In principle, the indicator can be computed for any specific population group, provided sufficient accurate information exists to characterize the model’s parameters for that specific group, that is, if data on the group’s food consumption levels, age/gender structure and – possibly – physical activity levels, exist. </p>\n<p>The scope for disaggregation thus crucially depends on the availability of surveys designed to be representative at the level of sub national population groups. Given prevailing practice in the design of national household surveys, sufficient reliable information is seldom available for disaggregation beyond the level of macro area of residence (urban-rural) and of the main Provinces/Divisions in a country. To the extent that most of the used surveys are designed to accurately capture the distribution of income, inference can be drawn on the PoU in different income classes of the population. Gender disaggregation is limited by the possibility to identify and group households by gender-related information (such as sex of the head of the household, or male/female ratio).</p>", "old_state": 0 }, "id": 23102200, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102200/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/38500332/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/pt/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.668035+02:00", "action": 59, "target": "", "old": "", "details": { "state": 0, "source": "<p>The main three sources of data at national level are: </p>\n<p>a) Official reports on the production, trade and utilization of the major food crop and livestock productions. </p>\n<p>b) Household survey data on food consumption </p>\n<p>c) Demographic characteristics of the national population </p>\n<p>Data sources for agricultural production are usually national surveys that are conducted by the Ministry of Agricultural/Livestock and/or the National Statistical Office. The surveys are usually annual, and in the absence of direct measurements, use information on areas/animal numbers and crop yields/carcass weights to calculate crop or livestock product quantities. Agricultural censuses, which FAO recommends conducting every ten years, may complement these surveys by providing more updated measured data on crops and livestock, and thus enable more precise projections/revisions. </p>\n<p>The data source for agricultural and food trade is almost exclusively the national customs office (with few exceptions where data may be obtained from the Central Bank). Countries often prepare these trade reports following international standard formats (commodity/country classifications, units of measurement, trading partner detail). While such trade data may be considered quite reliable, being the result of direct measurement/reporting by/to the customs office, issues of unreported border trade (and animal movement), misclassification of commodities, confidentiality, time-lag, to name a few, may necessitate some data analysis and validation (often by referring to ‘mirror’ trade statistics to cross-check quantities and values). </p>\n<p>Data on the utilization of primary and processed crops and livestock may be obtained through specialized surveys (supplemented by research) through the national agri-food industry system. Utilizations of interest here are those quantities destined for, among others, animal feed, for industrial uses (e.g. biofuel production), for national/enterprise/farm stocks, for seed (sowing for the successive agricultural cycle) – to enable as accurate an assessment as possible of the quantities destined/available for potential human consumption. </p>\n<p>These datasets (production, trade and utilizations), once cross-checked and validated, form the basis for the compilation of the Food Balance Sheets (FBS). The FBS are an accounting framework whereby supply (production + imports + stock withdrawals) should equal utilization (export + food processing + feed + seed + industrial use, etc.). It should be noted that, within the FBS framework, post-harvest/slaughter losses (up to the retail level) are considered as utilization, and thus a component in the balancing of the FBS. The FBS framework provides a snapshot of the agricultural supply situation at the national level, and allows for a cross-referenced structure whereby data, official or estimated/imputed, may be further analyzed and validated (e.g. animal numbers may result as being under-reported/estimated). </p>\n<p>The main result of the compilation of the FBS is the calculation of the Dietary Energy Supply (DES) in kilocalories per person (based on population figures) in a given year (quantities resulting as available for human consumption are converted into their caloric equivalents by using appropriate nutritive conversion factors by commodity). The DES, in the absence of direct consumption data from household surveys, is one of the key components in the calculation of the Prevalence of Undernourishment (PoU). FAO is presently embarking on a more focused program of providing FBS capacity to countries, including an updated compilation tool. </p>\n<p>FAO obtains crop/livestock primary/processed production data, and principal utilization thereof, through country-tailored questionnaires that are dispatched to all countries annually. Official country trade statistics are obtained annually through bulk downloads of the United Nations trade database (countries are expected to report to UNSD annually). In some cases, when available, national FBS data are also used. These datasets are then validated and form inputs in the country FBS which FAO compiles. It should be noted that when data are not officially reported/available (as is frequently the case with commodity utilization data), and hence it is necessary to resort to imputations to fill the data gaps. </p>\n<p>The new FBS Guidelines for national compilation (completed recently in collaboration with the Global Strategy) and new compilation tool (R-based ‘shiny’ application). </p>\n<p>Detail on FBS methodology: <a href=\"http://www.fao.org/economic/ess/fbs/ess-fbs02/en/\">http://www.fao.org/economic/ess/fbs/ess-fbs02/en/</a>. </p>\n<p>The FBS Handbook shown here should not be confused with the recently completed FBS Guidelines. The Handbook is of a more technical nature and explains the methodology followed by FAO in compiling country FBS. The Guidelines on the other hand, while based on the Handbook, provide countries with a more revised and practical guidance and recommendations for compilation at the national level. </p>\n<p>Some FBS background text also available on FAOSTAT: <a href=\"http://www.fao.org/faostat/en/#data/FBS\">http://www.fao.org/faostat/en/#data/FBS</a>. </p>", "old_state": 0 }, "id": 23102199, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102199/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/38500331/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/pt/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.667982+02:00", "action": 59, "target": "", "old": "", "details": { "state": 0, "source": "<p>Regional and global aggregates of the PoU are computed as: </p>\n<p><math xmlns=\"http://www.w3.org/1998/Math/MathML\">\n <msub>\n <mrow>\n <mi>P</mi>\n <mi>o</mi>\n <mi>U</mi>\n </mrow>\n <mrow>\n <mi>R</mi>\n <mi>E</mi>\n <mi>G</mi>\n </mrow>\n </msub>\n <mo>=</mo>\n <mfrac>\n <mrow>\n <mrow>\n <munder>\n <mo stretchy=\"false\">∑</mo>\n <mrow>\n <mi>i</mi>\n </mrow>\n </munder>\n <mrow>\n <msub>\n <mrow>\n <mi>P</mi>\n <mi>o</mi>\n <mi>U</mi>\n </mrow>\n <mrow>\n <mi>i</mi>\n </mrow>\n </msub>\n <mi>&nbsp;</mi>\n <mo>×</mo>\n <mi>&nbsp;</mi>\n <msub>\n <mrow>\n <mi>N</mi>\n </mrow>\n <mrow>\n <mi>i</mi>\n </mrow>\n </msub>\n </mrow>\n </mrow>\n </mrow>\n <mrow>\n <mrow>\n <munder>\n <mo stretchy=\"false\">∑</mo>\n <mrow>\n <mi>i</mi>\n </mrow>\n </munder>\n <mrow>\n <msub>\n <mrow>\n <mi>N</mi>\n </mrow>\n <mrow>\n <mi>i</mi>\n </mrow>\n </msub>\n </mrow>\n </mrow>\n </mrow>\n </mfrac>\n </math></p>\n<p>where PoU<sub>i</sub> are the values of PoU estimated for all countries (i) in the aggregate for which available data allow to compute a reliable estimate, and N<sub>i</sub> the corresponding population size. </p>", "old_state": 0 }, "id": 23102198, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102198/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/43798603/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/pt/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.667934+02:00", "action": 59, "target": "", "old": "", "details": { "state": 0, "source": "<p>None </p>", "old_state": 0 }, "id": 23102197, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102197/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/38500329/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/pt/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.667787+02:00", "action": 59, "target": "", "old": "", "details": { "state": 0, "source": "<p>To compute an estimate of the prevalence of undernourishment in a population, the probability distribution of habitual dietary energy intake levels (expressed in kcal per person per day) for the average individual is modelled as a parametric probability density function (pdf), f(x).</p>\n<p>The indicator is obtained as the cumulative probability that the habitual dietary energy intake (x) is below the minimum dietary energy requirements (MDER) (i.e. the lowest limit of the range of energy requirements for the population’s representative average individual) as in the formula below: </p>\n<p><math xmlns=\"http://www.w3.org/1998/Math/MathML\">\n <mi>P</mi>\n <mi>o</mi>\n <mi>U</mi>\n <mo>=</mo>\n <mi>&nbsp;</mi>\n <mrow>\n <msubsup>\n <mo stretchy=\"false\">∫</mo>\n <mrow>\n <mi>x</mi>\n <mo>&lt;</mo>\n <mi>M</mi>\n <mi>D</mi>\n <mi>E</mi>\n <mi>R</mi>\n </mrow>\n <mrow>\n <mi>&nbsp;</mi>\n </mrow>\n </msubsup>\n <mrow>\n <mi>f</mi>\n <mfenced separators=\"|\">\n <mrow>\n <mi>x</mi>\n <mo>|</mo>\n <mi>θ</mi>\n </mrow>\n </mfenced>\n <mi>d</mi>\n <mi>x</mi>\n </mrow>\n </mrow>\n </math></p>\n<p>where θ is a vector of parameters that characterizes the pdf. The distribution is assumed to be lognormal, and thus fully characterized by only two parameters: the mean dietary energy consumption (DEC), and its coefficient of variation (CV). </p>\n<p>A custom R function is available from the Statistics Division at FAO to compute the PoU, given the three parameters DEC, CV, and MDER. </p>\n<p>Different data sources can be used to estimate the different parameters of the model. </p>\n<p><u>DEC </u></p>\n<p>Ideally, data on food consumption should come from nationally representative household surveys (such as Living Standard Measurement Surveys or Household Incomes and Expenditure Surveys). However, only very few countries conduct such surveys on an annual basis. Thus, in FAO’s PoU estimates for global monitoring, DEC values are estimated from the dietary energy supply (DES) reported in the Food Balance Sheets (FBS), compiled by FAO for most countries in the world (<a href=\"https://www.fao.org/faostat/en/#data/FBS\">https://www.fao.org/faostat/en/#data/FBS</a>). </p>\n<p><u>CV </u></p>\n<p>When reliable data on food consumption are available from aforementioned nationally representative household surveys, the CV due to income (CV|y) that describes the distribution of average daily dietary energy requirement in the population can be estimated directly.</p>\n<p>When no suitable survey data are available, FIES data collected by FAO since 2014 are used to project the changes in the CV|y from 2015 (or from the year of the last food consumption survey) up to 2019, based on a smoothed (three-year moving average) trend in severe food insecurity.</p>\n<p>Since 2014, FIES data provide evidence on recent changes in the extent of severe food insecurity that might closely reflect changes in the PoU. To the extent that such changes in PoU are not explained by changes in average food supplies, they can thus be used to infer the likely changes in the CV|y that might have occurred in the most recent year. Analysis of the combined set of historic PoU estimates reveals that, on average, and once differences in DEC and MDER have been controlled for, the CV|y explains about one-third of the differences in PoU across time and space. For each country for which FIES data are available, the CV|y is estimated by the amount that would generate one-third of a percentage point change in the PoU for each observed percentage point change in the prevalence of severe food insecurity. For all other countries, the CV|y is kept constant at the estimated 2017 value.</p>\n<p>In the FAO PoU parametric approach, the CV due to body weight and lifestyle, a.k.a. CV due to requirement (CV|r), represents the variability of the distribution of dietary energy requirements of a hypothetical average individual representative of a healthy population, which is also equal to the CV of the distribution of dietary energy intakes of a hypothetical average individual if the population is perfectly nourished. The distribution of dietary energy requirements of a hypothetical average individual can be assumed to be normal, thus its variability can be estimated if at least two percentiles and their values are known. As a result, given that we are interested in deriving the theoretical distribution of dietary energy requirements for healthy hypothetical average individuals to estimate the CV|r, the MDER and the average dietary energy requirement (ADER) can be used to approximate the 1st percentile and the 50th percentile of the distribution of energy requirements of the hypothetical average individual as they are built on the same principles of a weighted average from sex-age-physiological status groups. Therefore, the value of CV|r is derived as the inverse cumulative standard normal distribution of the difference between the MDER and the ADER. Similar to the MDER, the ADER is estimated using the average of the minimum and the maximum values of the PAL category ‘Active or moderately active lifestyle’.</p>\n<p>The total CV is then obtained as the geometric mean of the CV|y and the CV|r:</p>\n<p><math xmlns=\"http://www.w3.org/1998/Math/MathML\">\n <mi>C</mi>\n <mi>V</mi>\n <mo>=</mo>\n <msqrt>\n <mfenced separators=\"|\">\n <mrow>\n <msup>\n <mrow>\n <mi>C</mi>\n <mi>V</mi>\n <mo>|</mo>\n <mi>y</mi>\n </mrow>\n <mrow>\n <mn>2</mn>\n </mrow>\n </msup>\n </mrow>\n </mfenced>\n <mo>+</mo>\n <mfenced separators=\"|\">\n <mrow>\n <msup>\n <mrow>\n <mi>C</mi>\n <mi>V</mi>\n <mo>|</mo>\n <mi>r</mi>\n </mrow>\n <mrow>\n <mn>2</mn>\n </mrow>\n </msup>\n </mrow>\n </mfenced>\n </msqrt>\n </math></p>\n<p><strong>Challenges and limitations:</strong> While formally the state of being undernourished or not is a condition that applies to individuals, given the data usually available on a large scale, it is impossible to reliably identify which individuals in a certain group are actually undernourished. Through the statistical model described above, the indicator can only be computed with reference to a population or a group of individuals for which a representative sample is available. The prevalence of undernourishment is thus an estimate of the percentage of individuals in that group that are in such condition and cannot be further disaggregated.</p>\n<p>Due to the probabilistic nature of the inference and the margins of uncertainty associated with estimates of each of the parameters in the model, the precision of the PoU estimates is generally low. While it is not possible to formally compute margins of error around PoU estimates, these are expected to likely exceed 5 percent in most cases. For this reason, FAO does not consider PoU estimates that result to be lower than 2.5 percent as sufficiently reliable to be reported.</p>\n<p><u>MDER </u></p>\n<p>Human energy requirements for an individual in a given sex/age class are determined on the basis of normative requirements for basic metabolic rate (BMR) per kilogram of body mass, multiplied by the ideal weights that a healthy person of that sex/age class may have, given his or her height, and then multiplied by a coefficient of physical activity level (PAL) to take into account physical activity. Given that both healthy BMIs and PALs vary among active and healthy individuals of the same sex and age, a <em>range </em>of energy requirements applies to each sex and age group of the population. The MDER for the average individual in the population, which is the parameter used in the PoU formula, is obtained as the weighted average of the lower bounds of the energy requirement ranges for each sex and age group, using the shares of the population in each sex and age group as weights.</p>\n<p>Information on the population structure by sex and age is available for most countries in the world and for each year from the UN Department of Economic and Social Affairs (DESA) Population Prospects, revised every two years.</p>\n<p>Information on the median height in each sex and age group for a given country is derived from a recent demographic and health survey (DHS) or from other surveys that collect anthropometry data on children and adults. Even if such surveys do not refer to the same year for which the PoU is estimated, the impact of possible small intervening changes in median heights over the years on PoU estimates is expected to be negligible.</p>", "old_state": 0 }, "id": 23102196, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102196/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/38500328/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/pt/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.667715+02:00", "action": 59, "target": "", "old": "", "details": { "state": 0, "source": "<p>Over the years, the parametric approach informing the computation of the PoU has been criticized, based on the presumptions that undernourishment should be assessed necessarily starting at the individual level, by comparing individual energy requirements with individual energy intakes. According to such a view, the prevalence of undernourishment could be simply computed by counting the number of individuals in a representative sample of the population that is classified as undernourished, based on a comparison of individual habitual food consumption and requirements. </p>\n<p>Unfortunately, such an approach is not feasible for two reasons: first, due to the cost of individual dietary intake surveys, individual food consumption is measured only in a few countries, every several years, on relatively small samples; moreover, individual energy requirements are practically unobservable with standard data collection methods (to the point that observed habitual energy consumption of individuals in a healthy status is still the preferred way to infer individual energy requirements). This means that even if it were possible to obtain accurate observations of the individual dietary energy consumption, this would be insufficient to infer on the undernourishment condition at individual level, unless integrated by the observation on the physical status (body mass index) and of its dynamic over time, of the same individual. </p>\n<p>The model-based approach to estimate the PoU developed by FAO integrates information that is available with sufficient regularity from different sources for most countries in the world, in a theoretically consistent way, thus providing what is still one of the most reliable tools to monitor progress towards reducing global hunger. </p>\n<p>Further specific consideration </p>\n<p>1. Feasibility </p>\n<p>Estimation of PoU at national level has been feasible for most countries in the world since 1999. In the worst case scenario, when no data on food consumption was available from a recent household survey, the model-based estimate of the PoU is informed by an estimate of mean level of dietary energy consumption (DEC) from Food Balance Sheets (FBS), an indirect estimate of the coefficient of variation (CV) based on information on the country’s GDP, Gini coefficient of Income, an index of the relative price of food, or other indicators of development such as country’s Under 5 Mortality Rate, and an estimate of the Minimum Dietary Energy Requirement (MDER) based on the UN Population Division’s World Population Prospects data. </p>\n<p>2. Reliability </p>\n<p>Reliability mostly depends on the quality of the data used to inform the estimation of the model’s parameters. </p>\n<p>DEC could be estimated either from survey data or from food balances. Neither source is devoid of problems. When comparing estimates of national DEC from FBS and from surveys, differences are frequently noted. </p>\n<p>DEC estimates from survey data can be affected by systematic measurement errors due to under-reporting of food consumption, or to incomplete recording of all food consumption sources. Recent research shows that a negative bias of up to more than 850 kcal can be induced on the estimated daily per capita caloric consumption can be induced by the type of food consumption module chosen to capture the data at the household level. (See De Weerdt et al., 2015, Table 2, <a href=\"https://feb.kuleuven.be/drc/licos/publications/dp/DP%20365%20Complete.pdf\">https://feb.kuleuven.be/drc/licos/publications/dp/DP%20365%20Complete.pdf</a>). A detailed analysis of a recent Household Budget Survey in Brazil revealed how food provided for free through the school meals program and consumed by children while at school, had not been accounted among the sources of household food consumption, accounting for a downward bias of the average per capita daily dietary energy consumption of 674 kcal. (See Borlizzi, Cafiero & Del Grossi, forthcoming.) </p>\n<p>DEC estimates from Food Balance Sheets can also be affected by errors, though it is difficult to establish the direction of induced bias. As average food availability is a residual in the FBS method, any errors in reported production, trade, and stocks might affect the estimates of national food availability. Moreover, errors might be induced by the difficulty in properly accounting for all forms of food commodity utilization. To the extent that all these errors are uncorrelated, though, the impact on the estimated average food consumption will be lower than each of the errors, considered separately, might imply. Nevertheless, considering how problematic it is to precisely account for variations in national reserves of food commodities, for which official data may be unreliable, it is recognized that the estimated annual stock variation is prone to considerable uncertainty that would be transferred to the estimated DEC in each given year. </p>\n<p>To limit the impact of such errors, FAO has traditionally presented estimates of PoU at national level as three-year averages, on the presumption that errors induced by imprecise recording of stocks variations in each single year might be highly reduced when considering an average over three consecutive years. </p>\n<p>Survey data are the only source to estimate the CV. As described in the section of metadata on the method of computation, unless obtained from high quality individual dietary intake surveys, data needs to be treated to reduce the likely upward bias in the estimates of the CV that would be induced by the spurious variability due to errors in measuring individual habitual dietary energy intake. </p>\n<p>3. Comparability </p>\n<p>If the same method of computation is used, comparability across time and space is relatively high, with the only potential cause of inhomogeneity found in the different quality of the background data. </p>\n<p>4. Limitations </p>\n<p>Due to the probabilistic nature of the inference and the margins of uncertainty associated with estimates of each of the parameters in the model, the precision of the PoU estimates is generally low. Even though it is not possible to compute theoretical Margins of Error (MoE) for PoU estimates, these would very likely exceed plus or minus 2.5% in most cases. For this reason, FAO publishes national level PoU estimates only when they are larger than 2.5%. This also suggests that 2.5% is the lowest feasible target that can be set for the PoU indicator, a value that is unsatisfactorily large when the ambition is to fully eradicate the scourge of hunger. </p>\n<p>If no survey is available that collects food consumption data and that is representative at subnational level, the indicator can only be computed at national level."</p>", "old_state": 0 }, "id": 23102195, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102195/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/43798601/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/pt/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.667671+02:00", "action": 59, "target": "", "old": "", "details": { "state": 0, "source": "<p>The Office of the Chief Statistician of FAO manages the Interdepartmental Working Group on SDG indicators under the FAO custodianship and identifies a focal point for each of them. The team leader of the Food Security and Nutrition Statistics Team of the Statistics Division is formally appointed as the focal person for the collection, processing, and dissemination of statistics for this indicator. </p>", "old_state": 0 }, "id": 23102194, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102194/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/38500324/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/pt/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.667628+02:00", "action": 59, "target": "", "old": "", "details": { "state": 0, "source": "<p>Data are released each year alongside the <em>State of Food Security and Nutrition in the World</em> report, usually in mid-July. </p>", "old_state": 0 }, "id": 23102193, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102193/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/38500321/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/pt/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.667567+02:00", "action": 59, "target": "", "old": "", "details": { "state": 0, "source": "<p>The ideal source of data to estimate the PoU would be a carefully designed and skillfully conducted individual dietary intake survey, in which actual daily food consumption, together with heights and weights for each surveyed individual, are repeatedly measured on a sample that is representative of the target population. Due to their cost, however, such surveys are rare.</p>\n<p>In principle, a well-designed household survey that collects information on food acquisitions might be sufficient to inform a reliable estimate of the Prevalence of Undernourishment (PoU) in a population, at a reasonable cost and with the necessary periodicity to inform the SDG monitoring process, provided that: </p>\n<ol>\n <li>All sources of food consumption for all members of the households are properly accounted for, including, in particular, food that is consumed away from home; </li>\n <li>Sufficient information is available to convert the data on food consumption or on food expenditures into their contribution to dietary energy intake; </li>\n <li>The proper methods to compute the PoU are used, to control for excess variability in the estimated levels of habitual food consumption across households, allowing for the presence on normal variability in the distribution of food consumption across individuals, induced by the differences in energy requirements of the members of the population. </li>\n</ol>\n<p>Examples of surveys that could be considered for this purpose include surveys conducted to compute economic statistics and conduct poverty assessments, such as Household Income and Expenditure Surveys, Household Budget Surveys and Living Standard Measurement Surveys. </p>\n<p>In practice, however, it is often impossible, and not advisable, to rely only on data collected through a household survey, as the information needed to estimate the four parameters of the PoU model is either missing or imprecise. </p>\n<p>Household Survey food consumption data often must be integrated by </p>\n<p>a) Data on the demographic structure of the population of interest by sex and age; </p>\n<p>b) Data or information on the median height of individuals in each sex and age class; </p>\n<p>c) Data on the distribution of physical activity levels in the population; </p>\n<p>d) Alternative data on the total amounts of food available for human consumption, to correct for biases in the estimate of the national average daily dietary energy consumption in the population. </p>\n<p>Data for a), b) and c) could be available through the same multipurpose survey that provides food consumption data, but are more likely available from other sources, such as National Demographic and Health Surveys (for a) and b)) and Time Use Surveys (for c)). </p>\n<p>Correcting for bias in the estimated average daily dietary energy consumption might need to be based on alternative sources on food consumption, such as aggregate food supply and utilization accounts and food balance sheets. </p>\n<p>To inform its estimate of PoU at national, regional and global level, in addition to all household surveys for which it is possible to obtain micro data on food consumption, FAO relies on: </p>\n<p>a) UN Population Division’s World Population Prospects (https://esa.un.org/unpd/wpp/Download/Standard/Population/), which provide updated estimates of the structures of the national population by sex and age every two years for most countries in the world; </p>\n<p>b) FAO Food Balance Sheets (http://www.fao.org/faostat/en/#data), which provides updated estimates of the national availability of food every year for most countries in the world.</p>\n<p>Micro data from household surveys that collect food consumption data are sourced by FAO directly through the National Statistical Agencies’ websites, or through specific bilateral agreements. </p>", "old_state": 0 }, "id": 23102192, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102192/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/43798599/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/pt/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.667522+02:00", "action": 59, "target": "", "old": "", "details": { "state": 0, "source": "<p>Prevalence of undernourishment: Percent (%) Number of undernourished people: Millions (of people) </p>", "old_state": 0 }, "id": 23102191, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102191/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/38500317/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/pt/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.667473+02:00", "action": 59, "target": "", "old": "", "details": { "state": 0, "source": "2022-03-31", "old_state": 0 }, "id": 23102190, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102190/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/75046104/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/pt/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.667385+02:00", "action": 59, "target": "", "old": "", "details": { "state": 0, "source": "<p>Primary series: Prevalence of undernourishment</p>\n<p>Complementary series: Number of undernourished people</p>", "old_state": -1 }, "id": 23102189, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102189/?format=api" }, { "unit": null, "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.462595+02:00", "action": 0, "target": "", "old": "", "details": { "reason": "content changed", "filename": "translations-metadata/en/2-1-1.yml" }, "id": 23102188, "action_name": "Resource updated", "url": "https://hosted.weblate.org/api/changes/23102188/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681571/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.462526+02:00", "action": 59, "target": "<p><strong>URL :</strong></p>\n<p>https://www.fao.org/food-agriculture-statistics/fr/ </p>\n<p><strong>Références (en anglais) :</strong></p>\n<p>http://www.fao.org/docrep/012/w0931e/w0931e16.pdf </p>\n<p>http://www.fao.org/docrep/005/Y4249E/y4249e06.htm#bm06 </p>\n<p>http://www.fao.org/3/a-i4060e.pdf </p>\n<p>http://www.fao.org/3/a-i4046e.pdf </p>", "old": "<p><strong>URL :</strong></p>\n<p>https://www.fao.org/food-agriculture-statistics/fr/ </p>\n<p><strong>Références (en anglais) :</strong></p>\n<p>http://www.fao.org/docrep/012/w0931e/w0931e16.pdf </p>\n<p>http://www.fao.org/docrep/005/Y4249E/y4249e06.htm#bm06 </p>\n<p>http://www.fao.org/3/a-i4060e.pdf </p>\n<p>http://www.fao.org/3/a-i4046e.pdf </p>", "details": { "state": 10, "source": "<p><strong>URL: </strong></p>\n<p><a href=\"https://www.fao.org/food-agriculture-statistics/statistical-domains/food-security-and-nutrition/en/\">https://www.fao.org/food-agriculture-statistics/statistical-domains/food-security-and-nutrition/en/</a> </p>\n<p><strong>References: </strong></p>\n<p><a href=\"http://www.fao.org/docrep/012/w0931e/w0931e16.pdf\">http://www.fao.org/docrep/012/w0931e/w0931e16.pdf</a></p>\n<p><a href=\"http://www.fao.org/docrep/005/Y4249E/y4249e06.htm#bm06\">http://www.fao.org/docrep/005/Y4249E/y4249e06.htm#bm06</a></p>\n<p><a href=\"http://www.fao.org/3/a-i4060e.pdf\">http://www.fao.org/3/a-i4060e.pdf</a></p>\n<p><a href=\"http://www.fao.org/3/a-i4046e.pdf\">http://www.fao.org/3/a-i4046e.pdf</a></p>", "old_state": 20 }, "id": 23102187, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102187/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681571/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.462442+02:00", "action": 30, "target": "<p><strong>URL: </strong></p>\n<p><a href=\"https://www.fao.org/food-agriculture-statistics/statistical-domains/food-security-and-nutrition/en/\">https://www.fao.org/food-agriculture-statistics/statistical-domains/food-security-and-nutrition/en/</a> </p>\n<p><strong>References: </strong></p>\n<p><a href=\"http://www.fao.org/docrep/012/w0931e/w0931e16.pdf\">http://www.fao.org/docrep/012/w0931e/w0931e16.pdf</a></p>\n<p><a href=\"http://www.fao.org/docrep/005/Y4249E/y4249e06.htm#bm06\">http://www.fao.org/docrep/005/Y4249E/y4249e06.htm#bm06</a></p>\n<p><a href=\"http://www.fao.org/3/a-i4060e.pdf\">http://www.fao.org/3/a-i4060e.pdf</a></p>\n<p><a href=\"http://www.fao.org/3/a-i4046e.pdf\">http://www.fao.org/3/a-i4046e.pdf</a></p>", "old": "<p><strong>URL: </strong></p>\n<p>http://www.fao.org/economic/ess/ess-fs/en/ </p>\n<p><strong>References: </strong></p>\n<p>http://www.fao.org/docrep/012/w0931e/w0931e16.pdf </p>\n<p>http://www.fao.org/docrep/005/Y4249E/y4249e06.htm#bm06 </p>\n<p>http://www.fao.org/3/a-i4060e.pdf </p>\n<p>http://www.fao.org/3/a-i4046e.pdf </p>", "details": {}, "id": 23102186, "action_name": "Source string changed", "url": "https://hosted.weblate.org/api/changes/23102186/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681568/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.462345+02:00", "action": 59, "target": "<p><strong>Sources des divergences :</strong></p>\n<p>De nombreux pays ont produit et diffusé des estimations de la prévalence de la sous-alimentation, y compris dans leurs rapports nationaux sur les OMD, mais en utilisant presque toujours une méthodologie différente de celle élaborée par la FAO, ce qui rend les chiffres nationaux non comparables à ceux communiqués par la FAO.</p>\n<p>L'approche la plus couramment utilisée dans la préparation des rapports nationaux a été de calculer le pourcentage de ménages pour lesquels la consommation énergétique alimentaire quotidienne moyenne par habitant est inférieure aux seuils de l'apport alimentaire quotidien recommandé, généralement fixé à 2 100,00 kcal, basé sur les données d'enquêtes auprès des ménages. Dans certains cas, des seuils inférieurs d'environ 1 400,00 kcal ont également été utilisés, probablement en réaction au fait que les pourcentages de ménages déclarant une consommation quotidienne moyenne inférieure à 2 100,00 kcal par habitant donnaient des estimations invraisemblablement élevées de la prévalence de la sous-alimentation. </p>\n<p>Presque sans exception, aucune considération liée à la présence d'une variabilité excessive dans les données de consommation énergétique alimentaire n'est faite, et les rapports révèlent des progrès limités ou nuls dans la réduction de la prévalence de la sous-alimentation au fil du temps. </p>\n<p>Tel qu’indiqué dans la section Méthode de calcul, les résultats obtenus grâce à ces méthodes alternatives sont très peu fiables et très certainement biaisés en faveur d'une surestimation. Il est donc souhaitable qu'un effort concerté soit fait pour plaider en faveur de l'utilisation des méthodes de la FAO dans la préparation des rapports nationaux. La FAO est prête à fournir tout le soutien technique nécessaire.</p>", "old": "<p><strong>Sources des divergences :</strong></p>\n<p>De nombreux pays ont produit et diffusé des estimations de la prévalence de la sous-alimentation, y compris dans leurs rapports nationaux sur les OMD, mais en utilisant presque toujours une méthodologie différente de celle élaborée par la FAO, ce qui rend les chiffres nationaux non comparables à ceux communiqués par la FAO.</p>\n<p>L'approche la plus couramment utilisée dans la préparation des rapports nationaux a été de calculer le pourcentage de ménages pour lesquels la consommation énergétique alimentaire quotidienne moyenne par habitant est inférieure aux seuils de l'apport alimentaire quotidien recommandé, généralement fixé à 2 100,00 kcal, basé sur les données d'enquêtes auprès des ménages. Dans certains cas, des seuils inférieurs d'environ 1 400,00 kcal ont également été utilisés, probablement en réaction au fait que les pourcentages de ménages déclarant une consommation quotidienne moyenne inférieure à 2 100,00 kcal par habitant donnaient des estimations invraisemblablement élevées de la prévalence de la sous-alimentation. </p>\n<p>Presque sans exception, aucune considération liée à la présence d'une variabilité excessive dans les données de consommation énergétique alimentaire n'est faite, et les rapports révèlent des progrès limités ou nuls dans la réduction de la prévalence de la sous-alimentation au fil du temps. </p>\n<p>Tel qu’indiqué dans la section Méthode de calcul, les résultats obtenus grâce à ces méthodes alternatives sont très peu fiables et très certainement biaisés en faveur d'une surestimation. Il est donc souhaitable qu'un effort concerté soit fait pour plaider en faveur de l'utilisation des méthodes de la FAO dans la préparation des rapports nationaux. La FAO est prête à fournir tout le soutien technique nécessaire.</p>", "details": { "state": 10, "source": "<p><strong>Sources of discrepancies: </strong></p>\n<p>Many countries have produced and reported on estimates of the Prevalence of Undernourishment, including in their national MDG Reports, but almost invariably using a different methodology than the one developed by FAO, which makes national figures not comparable to those reported by FAO for global monitoring. </p>\n<p>The most common approach used in preparing national reports has been to calculate the percentage of households for which the average per capita daily dietary energy consumption is found to be below thresholds based on daily Recommended Dietary Intake, usually set at 2,100 kcal, based on household survey data. In some cases, also lower thresholds of around 1,400 kcal have been used, probably as a reaction to the fact that percentages of households reporting average daily consumption of less than 2,100 kcal per capita were implausibly high estimates of the prevalence of undernourishment. </p>\n<p>Almost without exception, no consideration related to the presence of excess variability in the dietary energy consumption data is made, and the reports reveal limited or no progress in the reduction of PoU over time. </p>\n<p>As discussed in the section on the method of computation, the results obtained through these alternative methods are highly unreliable and almost certainly biased toward overestimation. It is therefore advisable that a concerted effort is made to advocate for use of the FAO methods also in preparation of national reports. FAO stands ready to provide all necessary technical support.</p>", "old_state": 20 }, "id": 23102185, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102185/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681568/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.462268+02:00", "action": 30, "target": "<p><strong>Sources of discrepancies: </strong></p>\n<p>Many countries have produced and reported on estimates of the Prevalence of Undernourishment, including in their national MDG Reports, but almost invariably using a different methodology than the one developed by FAO, which makes national figures not comparable to those reported by FAO for global monitoring. </p>\n<p>The most common approach used in preparing national reports has been to calculate the percentage of households for which the average per capita daily dietary energy consumption is found to be below thresholds based on daily Recommended Dietary Intake, usually set at 2,100 kcal, based on household survey data. In some cases, also lower thresholds of around 1,400 kcal have been used, probably as a reaction to the fact that percentages of households reporting average daily consumption of less than 2,100 kcal per capita were implausibly high estimates of the prevalence of undernourishment. </p>\n<p>Almost without exception, no consideration related to the presence of excess variability in the dietary energy consumption data is made, and the reports reveal limited or no progress in the reduction of PoU over time. </p>\n<p>As discussed in the section on the method of computation, the results obtained through these alternative methods are highly unreliable and almost certainly biased toward overestimation. It is therefore advisable that a concerted effort is made to advocate for use of the FAO methods also in preparation of national reports. FAO stands ready to provide all necessary technical support.</p>", "old": "<p><strong>Sources of discrepancies: </strong></p>\n<p>Many countries have produced and reported on estimates of the Prevalence of Undernourishment, including in their national MDG Reports, but almost invariably using a different methodology than the one developed by FAO, which makes national figures not comparable to those reported by FAO for global monitoring. </p>\n<p>The most common approach used in preparing national reports has been to calculate the percentage of households for which the average per capita daily dietary energy consumption is found to be below thresholds based on daily Recommended Dietary Intake, usually set at 2,100.00 kcal, based on household survey data. In some cases, also lower thresholds of around 1,400.00 kcal have been used, probably as a reaction to the fact that percentages of households reporting average daily consumption of less than 2,100.00 kcal per capita were implausibly high estimates of the prevalence of undernourishment. </p>\n<p>Almost without exception, no consideration related to the presence of excess variability in the dietary energy consumption data is made, and the reports reveal limited or no progress in the reduction of PoU over time. </p>\n<p>As discussed in the section on the method of computation, the results obtained through these alternative methods are highly unreliable and almost certainly biased toward overestimation. It is therefore advisable that a concerted effort is made to advocate for use of the FAO methods also in preparation of national reports. FAO stands ready to provide all necessary technical support.</p>", "details": {}, "id": 23102184, "action_name": "Source string changed", "url": "https://hosted.weblate.org/api/changes/23102184/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681563/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.462171+02:00", "action": 59, "target": "<p><strong>Disponibilité des données :</strong></p>\n<p>Depuis 2017, la FAO a publié des estimations distinctes de la prévalence de la sous-alimentation pour 170 pays, réparties comme suit : </p>\n<p>Monde 170 </p>\n<p>Afrique 37 </p>\n<p>Afrique du Nord 5 </p>\n<p>Afrique subsaharienne 32 </p>\n<p>Afrique de l'Est 8 </p>\n<p>Afrique centrale 6 </p>\n<p>Afrique australe 5 </p>\n<p>Afrique de l'Ouest 13 </p>\n<p>Asie 38 </p>\n<p>Asie centrale 4 </p>\n<p>Asie orientale 5 </p>\n<p>Asie du Sud 7 </p>\n<p>Asie du Sud-Est 9 </p>\n<p>Asie occidentale 13 </p>\n<p>Amérique latine et Caraïbes 28 </p>\n<p>Caraïbes 8 </p>\n<p>Amérique latine 20 </p>\n<p>Amérique centrale 8 </p>\n<p>Amérique du Sud 12 </p>\n<p>Océanie 9 </p>\n<p>Australie et Nouvelle-Zélande 2 </p>\n<p>Océanie à l'exclusion de l'Australie et de la Nouvelle-Zélande 7 </p>\n<p>Amérique du Nord et Europe 42 </p>\n<p>Amérique du Nord 2 </p>\n<p>Europe 38 </p>\n<p>Europe de l'Est 9 </p>\n<p>Europe du Nord 10 </p>\n<p>Europe du Sud 12 </p>\n<p>Europe occidentale 7 </p>\n<p>Alors que les estimations au niveau des pays sont présentées sous forme de moyennes sur trois ans, les estimations régionales et mondiales sont des estimations annuelles. </p>\n<p><strong>Séries chronologiques :</strong></p>\n<p>2000 - actuel </p>\n<p><strong>Désagrégation :</strong></p>\n<p>En raison de la dépendance à l'égard des données des bilans alimentaires nationaux pour estimer les niveaux moyens de consommation calorique dans la population, le suivi mondial de la cible 1C des OMD et de la cible du Sommet mondial sur l'alimentation a été basé sur les estimations de la prévalence de la sous-alimentation au niveau national uniquement. </p>\n<p>En principe, l'indicateur peut être calculé pour n'importe quel groupe de population spécifique, à condition qu'il existe suffisamment d'informations précises pour caractériser les paramètres du modèle pour ce groupe spécifique, c'est-à-dire que des données sur les niveaux de consommation alimentaire du groupe, sa structure par âge/sexe et ses niveaux d'activité physique existent.</p>\n<p>La possibilité de désagrégation est étroitement liée à la disponibilité d'enquêtes conçues pour être représentatives au niveau des groupes de population infranationaux. Compte tenu de la pratique courante dans la conception des enquêtes nationales auprès des ménages, il est rare que des informations fiables suffisantes soient disponibles pour une désagrégation au-delà du niveau de la macro-zone de résidence (urbaine-rurale) et des principales provinces/divisions d'un pays. Dans la mesure où la plupart des enquêtes utilisées sont conçues pour capturer avec précision la distribution des revenus, l'inférence peut être tirée sur la prévalence de la sous-alimentation dans différentes catégories de revenus de la population. La désagrégation par sexe est limitée par la possibilité d'identifier et de regrouper les ménages en fonction des informations liées au genre (comme le sexe du chef de ménage ou le ratio hommes/femmes).</p>", "old": "<p><strong>Disponibilité des données :</strong></p>\n<p>Depuis 2017, la FAO a publié des estimations distinctes de la prévalence de la sous-alimentation pour 170 pays, réparties comme suit : </p>\n<p>Monde 170 </p>\n<p>Afrique 37 </p>\n<p>Afrique du Nord 5 </p>\n<p>Afrique subsaharienne 32 </p>\n<p>Afrique de l'Est 8 </p>\n<p>Afrique centrale 6 </p>\n<p>Afrique australe 5 </p>\n<p>Afrique de l'Ouest 13 </p>\n<p>Asie 38 </p>\n<p>Asie centrale 4 </p>\n<p>Asie orientale 5 </p>\n<p>Asie du Sud 7 </p>\n<p>Asie du Sud-Est 9 </p>\n<p>Asie occidentale 13 </p>\n<p>Amérique latine et Caraïbes 28 </p>\n<p>Caraïbes 8 </p>\n<p>Amérique latine 20 </p>\n<p>Amérique centrale 8 </p>\n<p>Amérique du Sud 12 </p>\n<p>Océanie 9 </p>\n<p>Australie et Nouvelle-Zélande 2 </p>\n<p>Océanie à l'exclusion de l'Australie et de la Nouvelle-Zélande 7 </p>\n<p>Amérique du Nord et Europe 42 </p>\n<p>Amérique du Nord 2 </p>\n<p>Europe 38 </p>\n<p>Europe de l'Est 9 </p>\n<p>Europe du Nord 10 </p>\n<p>Europe du Sud 12 </p>\n<p>Europe occidentale 7 </p>\n<p>Alors que les estimations au niveau des pays sont présentées sous forme de moyennes sur trois ans, les estimations régionales et mondiales sont des estimations annuelles. </p>\n<p><strong>Séries chronologiques :</strong></p>\n<p>2000 - actuel </p>\n<p><strong>Désagrégation :</strong></p>\n<p>En raison de la dépendance à l'égard des données des bilans alimentaires nationaux pour estimer les niveaux moyens de consommation calorique dans la population, le suivi mondial de la cible 1C des OMD et de la cible du Sommet mondial sur l'alimentation a été basé sur les estimations de la prévalence de la sous-alimentation au niveau national uniquement. </p>\n<p>En principe, l'indicateur peut être calculé pour n'importe quel groupe de population spécifique, à condition qu'il existe suffisamment d'informations précises pour caractériser les paramètres du modèle pour ce groupe spécifique, c'est-à-dire que des données sur les niveaux de consommation alimentaire du groupe, sa structure par âge/sexe et ses niveaux d'activité physique existent.</p>\n<p>La possibilité de désagrégation est étroitement liée à la disponibilité d'enquêtes conçues pour être représentatives au niveau des groupes de population infranationaux. Compte tenu de la pratique courante dans la conception des enquêtes nationales auprès des ménages, il est rare que des informations fiables suffisantes soient disponibles pour une désagrégation au-delà du niveau de la macro-zone de résidence (urbaine-rurale) et des principales provinces/divisions d'un pays. Dans la mesure où la plupart des enquêtes utilisées sont conçues pour capturer avec précision la distribution des revenus, l'inférence peut être tirée sur la prévalence de la sous-alimentation dans différentes catégories de revenus de la population. La désagrégation par sexe est limitée par la possibilité d'identifier et de regrouper les ménages en fonction des informations liées au genre (comme le sexe du chef de ménage ou le ratio hommes/femmes).</p>", "details": { "state": 10, "source": "<p><strong>Data availability:</strong></p>\n<p>Since 2017 FAO has reported separate estimates of PoU for 160 countries. </p>\n<p>While country-level estimates are presented as three-year averages, regional and global estimates are yearly estimates. </p>\n<p><strong>Time series: </strong></p>\n<p>2000 - current </p>\n<p><strong>Disaggregation: </strong></p>\n<p>Due to reliance on national Food Balance Sheets data to estimate mean caloric consumption levels in the population, the global monitoring of MDG Target 1C and of the WFS target has been based on estimates of the PoU at national level only. </p>\n<p>In principle, the indicator can be computed for any specific population group, provided sufficient accurate information exists to characterize the model’s parameters for that specific group, that is, if data on the group’s food consumption levels, age/gender structure and – possibly – physical activity levels, exist. </p>\n<p>The scope for disaggregation thus crucially depends on the availability of surveys designed to be representative at the level of sub national population groups. Given prevailing practice in the design of national household surveys, sufficient reliable information is seldom available for disaggregation beyond the level of macro area of residence (urban-rural) and of the main Provinces/Divisions in a country. To the extent that most of the used surveys are designed to accurately capture the distribution of income, inference can be drawn on the PoU in different income classes of the population. Gender disaggregation is limited by the possibility to identify and group households by gender-related information (such as sex of the head of the household, or male/female ratio).</p>", "old_state": 20 }, "id": 23102183, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102183/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681563/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.462094+02:00", "action": 30, "target": "<p><strong>Data availability:</strong></p>\n<p>Since 2017 FAO has reported separate estimates of PoU for 160 countries. </p>\n<p>While country-level estimates are presented as three-year averages, regional and global estimates are yearly estimates. </p>\n<p><strong>Time series: </strong></p>\n<p>2000 - current </p>\n<p><strong>Disaggregation: </strong></p>\n<p>Due to reliance on national Food Balance Sheets data to estimate mean caloric consumption levels in the population, the global monitoring of MDG Target 1C and of the WFS target has been based on estimates of the PoU at national level only. </p>\n<p>In principle, the indicator can be computed for any specific population group, provided sufficient accurate information exists to characterize the model’s parameters for that specific group, that is, if data on the group’s food consumption levels, age/gender structure and – possibly – physical activity levels, exist. </p>\n<p>The scope for disaggregation thus crucially depends on the availability of surveys designed to be representative at the level of sub national population groups. Given prevailing practice in the design of national household surveys, sufficient reliable information is seldom available for disaggregation beyond the level of macro area of residence (urban-rural) and of the main Provinces/Divisions in a country. To the extent that most of the used surveys are designed to accurately capture the distribution of income, inference can be drawn on the PoU in different income classes of the population. Gender disaggregation is limited by the possibility to identify and group households by gender-related information (such as sex of the head of the household, or male/female ratio).</p>", "old": "<p><strong>Data availability:</strong></p>\n<p>Since 2017 FAO has reported separate estimates of PoU for 170 countries, distributed as follows: </p>\n<p>World 170 </p>\n<p> Africa 37 </p>\n<p> Northern Africa 5 </p>\n<p> Sub-Saharan Africa 32 </p>\n<p> Eastern Africa 8 </p>\n<p> Middle Africa 6 </p>\n<p> Southern Africa 5 </p>\n<p> Western Africa 13 </p>\n<p> Asia 38 </p>\n<p> Central Asia 4 </p>\n<p> Eastern Asia 5 </p>\n<p> Southern Asia 7 </p>\n<p> South-Eastern Asia 9 </p>\n<p> Western Asia 13 </p>\n<p> Latin America and the Caribbean 28 </p>\n<p> Caribbean 8 </p>\n<p> Latin America 20 </p>\n<p> Central America 8 </p>\n<p> South America 12 </p>\n<p> Oceania 9</p>\n<p>Australia and New Zealand 2</p>\n<p>Oceania excluding Australia and New Zealand 7</p>\n<p> Northern America and Europe 42</p>\n<p>Northern America 2</p>\n<p>Europe 38</p>\n<p> Eastern Europe 9</p>\n<p> Northern Europe 10</p>\n<p> Southern Europe 12</p>\n<p> Western Europe 7</p>\n<p>While country-level estimates are presented as three-year averages, regional and global estimates are yearly estimates. </p>\n<p><strong>Time series: </strong></p>\n<p>2000 - current </p>\n<p><strong>Disaggregation: </strong></p>\n<p>Due to reliance on national Food Balance Sheets data to estimate mean caloric consumption levels in the population, the global monitoring of MDG Target 1C and of the WFS target has been based on estimates of the PoU at national level only. </p>\n<p>In principle, the indicator can be computed for any specific population group, provided sufficient accurate information exists to characterize the model’s parameters for that specific group, that is, if data on the group’s food consumption levels, age/gender structure and – possibly – physical activity levels, exist. </p>\n<p>The scope for disaggregation thus crucially depends on the availability of surveys designed to be representative at the level of sub national population groups. Given prevailing practice in the design of national household surveys, sufficient reliable information is seldom available for disaggregation beyond the level of macro area of residence (urban-rural) and of the main Provinces/Divisions in a country. To the extent that most of the used surveys are designed to accurately capture the distribution of income, inference can be drawn on the PoU in different income classes of the population. Gender disaggregation is limited by the possibility to identify and group households by gender-related information (such as sex of the head of the household, or male/female ratio).</p>", "details": {}, "id": 23102182, "action_name": "Source string changed", "url": "https://hosted.weblate.org/api/changes/23102182/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681561/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.461964+02:00", "action": 59, "target": "<p>Les trois principales sources de données au niveau national sont : </p>\n<p>a) Les rapports officiels sur la production, le commerce et l'utilisation des principales cultures vivrières et les élevages.</p>\n<p>b) Les données d'enquêtes auprès des ménages sur la consommation alimentaire.</p>\n<p>c) Les caractéristiques démographiques de la population nationale.</p>\n<p>Les sources de données sur la production agricole sont généralement des enquêtes nationales menées par le Ministère de l'agriculture (et de l'élevage) et/ou par le bureau national de statistique. Les enquêtes sont généralement annuelles et, en l'absence de mesures directes, utilisent des informations sur les superficies, le nombre d'animaux, les rendements des cultures et/ou le poids des carcasses pour calculer les quantités de produits au chapitre des cultures ou du bétail. Les recensements agricoles, que la FAO recommande de mener à tous les dix ans, peuvent compléter ces enquêtes en fournissant des données plus récentes sur les cultures et le bétail, et ainsi permettre des projections/révisions plus précises.</p>\n<p>La source de données pour le commerce agricole et alimentaire est presque toujours le bureau national des douanes (à quelques exceptions près où les données peuvent être obtenues auprès de la Banque centrale). Les pays préparent souvent ces rapports commerciaux selon des formats normalisés internationaux (classifications des produits/pays, unités de mesure, détail des partenaires commerciaux). Bien que ces données commerciales puissent être considérées comme assez fiables, étant le résultat de mesures/déclarations directes par/au bureau de douane, des problèmes de commerce frontalier non déclaré (et de mouvement des animaux), de classification erronée des produits, de confidentialité, de décalage, pour n'en nommer que quelques-uns, peuvent nécessiter une analyse et une validation des données (souvent en se référant aux statistiques commerciales « miroir » pour vérifier les quantités et les valeurs). </p>\n<p>Les données sur l'utilisation primaire et transformée des cultures et du bétail, peuvent être obtenues par le biais d'enquêtes spécialisées (complétées par des recherches) auprès de l'industrie agroalimentaire nationale. Les utilisations qui nous intéressent ici sont les quantités destinées, entre autres, à l'alimentation animale, à des usages industriels (par exemple la production de biocarburants), aux stocks nationaux/d'entreprises/agricoles, aux semences (semis pour le cycle agricole successif) – pour permettre une évaluation aussi précise que possible des quantités destinées et/ou disponibles à la consommation humaine potentielle.</p>\n<p>Ces ensembles de données (production, commerce et utilisations), une fois recoupés et validés, constituent la base de la compilation des bilans alimentaires. Les bilans alimentaires constituent un cadre comptable dans lequel l'offre (production + importations + retraits de stocks) doit être égale à l'utilisation (exportation + transformation alimentaire + aliments + semences + utilisation industrielle, etc.). Il convient de noter que, dans le cadre des bilans alimentaires, les pertes après récolte/abattage (jusqu'au niveau de détail) sont considérées comme une utilisation, et donc une composante de l'équilibrage du bilan. Le cadre des bilans alimentaires fournit un portrait de la situation de l'offre agricole au niveau national et une structure de références croisées par laquelle les données, officielles ou estimées/imputées, peuvent être davantage analysées et validées (par exemple, le nombre d'animaux peut être sous-déclaré/estimé). Le principal résultat de la compilation du bilan alimentaire est le calcul de l'offre énergétique alimentaire (OEA) en kilocalories par personne (sur la base des chiffres de la population) au cours d'une année donnée (les quantités résultant de la disponibilité pour la consommation humaine sont converties en leurs équivalents caloriques en utilisant facteurs de conversion nutritifs appropriés par produit). En l'absence de données directes sur la consommation provenant des enquêtes auprès des ménages, la OEA constitue l'un des éléments clés du calcul de la prévalence de la sous-alimentation. La FAO travaille actuellement à la mise en place d'un programme plus ciblé visant à fournir de l’appui aux pays pour l’établissement de bilans alimentaires, comprenant un outil de compilation mis à jour.</p>\n<p>La FAO obtient des données sur la production primaire/transformée des cultures/du bétail, et leur utilisation principale, par le biais de questionnaires adaptés qui sont envoyés à tous les pays et ce à chaque année. Les statistiques officielles du commerce avec les pays sont obtenues chaque année grâce à des téléchargements en masse de la base de données sur le commerce des Nations unies (les pays doivent faire rapport annuellement à la DSNU). Dans certains cas, lorsqu'elles sont disponibles, les données des bilans alimentaires nationaux sont également utilisées. Ces ensembles de données sont ensuite validés et constituent des entrées dans le bilan alimentaire du pays que la FAO compile. Il convient de noter que lorsque les données ne sont pas officiellement déclarées/disponibles (comme c'est souvent le cas avec les données d'utilisation des produits), il est nécessaire de recourir à des imputations pour combler les lacunes dans les données.</p>\n<p>Les nouvelles directives pour la compilation des bilans alimentaires nationaux (achevées récemment en collaboration avec la Stratégie mondiale) et le nouvel outil de compilation (application R « shiny ») sont maintenant disponibles.</p>\n<p>Détails sur la méthodologie des bilans alimentaires : <a href=\"http://www.fao.org/food-agriculture-statistics/fr/\"> http://www.fao.org/food-agriculture-statistics/fr/ </a>. </p>\n<p>Le manuel présenté ici ne doit pas être confondu avec les directives récemment complétées. Le Manuel est de nature plus technique et explique la méthodologie suivie par la FAO pour compiler les bilans alimentaires des pays. Bien qu’elles soient basées sur le Manuel, les Lignes directrices fournissent quant à elles des orientations et des recommandations révisées et pratiques pour la compilation des données au niveau national.</p>\n<p>Certains textes de base sur les bilans alimentaires sont également disponibles sur FAOSTAT : <a href=\"http://www.fao.org/faostat/fr/#data/FBS\"> http://www.fao.org/faostat/fr/#data/FBS </a>. </p>", "old": "<p>Les trois principales sources de données au niveau national sont : </p>\n<p>a) Les rapports officiels sur la production, le commerce et l'utilisation des principales cultures vivrières et les élevages.</p>\n<p>b) Les données d'enquêtes auprès des ménages sur la consommation alimentaire.</p>\n<p>c) Les caractéristiques démographiques de la population nationale.</p>\n<p>Les sources de données sur la production agricole sont généralement des enquêtes nationales menées par le Ministère de l'agriculture (et de l'élevage) et/ou par le bureau national de statistique. Les enquêtes sont généralement annuelles et, en l'absence de mesures directes, utilisent des informations sur les superficies, le nombre d'animaux, les rendements des cultures et/ou le poids des carcasses pour calculer les quantités de produits au chapitre des cultures ou du bétail. Les recensements agricoles, que la FAO recommande de mener à tous les dix ans, peuvent compléter ces enquêtes en fournissant des données plus récentes sur les cultures et le bétail, et ainsi permettre des projections/révisions plus précises.</p>\n<p>La source de données pour le commerce agricole et alimentaire est presque toujours le bureau national des douanes (à quelques exceptions près où les données peuvent être obtenues auprès de la Banque centrale). Les pays préparent souvent ces rapports commerciaux selon des formats normalisés internationaux (classifications des produits/pays, unités de mesure, détail des partenaires commerciaux). Bien que ces données commerciales puissent être considérées comme assez fiables, étant le résultat de mesures/déclarations directes par/au bureau de douane, des problèmes de commerce frontalier non déclaré (et de mouvement des animaux), de classification erronée des produits, de confidentialité, de décalage, pour n'en nommer que quelques-uns, peuvent nécessiter une analyse et une validation des données (souvent en se référant aux statistiques commerciales « miroir » pour vérifier les quantités et les valeurs). </p>\n<p>Les données sur l'utilisation primaire et transformée des cultures et du bétail, peuvent être obtenues par le biais d'enquêtes spécialisées (complétées par des recherches) auprès de l'industrie agroalimentaire nationale. Les utilisations qui nous intéressent ici sont les quantités destinées, entre autres, à l'alimentation animale, à des usages industriels (par exemple la production de biocarburants), aux stocks nationaux/d'entreprises/agricoles, aux semences (semis pour le cycle agricole successif) – pour permettre une évaluation aussi précise que possible des quantités destinées et/ou disponibles à la consommation humaine potentielle.</p>\n<p>Ces ensembles de données (production, commerce et utilisations), une fois recoupés et validés, constituent la base de la compilation des bilans alimentaires. Les bilans alimentaires constituent un cadre comptable dans lequel l'offre (production + importations + retraits de stocks) doit être égale à l'utilisation (exportation + transformation alimentaire + aliments + semences + utilisation industrielle, etc.). Il convient de noter que, dans le cadre des bilans alimentaires, les pertes après récolte/abattage (jusqu'au niveau de détail) sont considérées comme une utilisation, et donc une composante de l'équilibrage du bilan. Le cadre des bilans alimentaires fournit un portrait de la situation de l'offre agricole au niveau national et une structure de références croisées par laquelle les données, officielles ou estimées/imputées, peuvent être davantage analysées et validées (par exemple, le nombre d'animaux peut être sous-déclaré/estimé). Le principal résultat de la compilation du bilan alimentaire est le calcul de l'offre énergétique alimentaire (OEA) en kilocalories par personne (sur la base des chiffres de la population) au cours d'une année donnée (les quantités résultant de la disponibilité pour la consommation humaine sont converties en leurs équivalents caloriques en utilisant facteurs de conversion nutritifs appropriés par produit). En l'absence de données directes sur la consommation provenant des enquêtes auprès des ménages, la OEA constitue l'un des éléments clés du calcul de la prévalence de la sous-alimentation. La FAO travaille actuellement à la mise en place d'un programme plus ciblé visant à fournir de l’appui aux pays pour l’établissement de bilans alimentaires, comprenant un outil de compilation mis à jour.</p>\n<p>La FAO obtient des données sur la production primaire/transformée des cultures/du bétail, et leur utilisation principale, par le biais de questionnaires adaptés qui sont envoyés à tous les pays et ce à chaque année. Les statistiques officielles du commerce avec les pays sont obtenues chaque année grâce à des téléchargements en masse de la base de données sur le commerce des Nations unies (les pays doivent faire rapport annuellement à la DSNU). Dans certains cas, lorsqu'elles sont disponibles, les données des bilans alimentaires nationaux sont également utilisées. Ces ensembles de données sont ensuite validés et constituent des entrées dans le bilan alimentaire du pays que la FAO compile. Il convient de noter que lorsque les données ne sont pas officiellement déclarées/disponibles (comme c'est souvent le cas avec les données d'utilisation des produits), il est nécessaire de recourir à des imputations pour combler les lacunes dans les données.</p>\n<p>Les nouvelles directives pour la compilation des bilans alimentaires nationaux (achevées récemment en collaboration avec la Stratégie mondiale) et le nouvel outil de compilation (application R « shiny ») sont maintenant disponibles.</p>\n<p>Détails sur la méthodologie des bilans alimentaires : <a href=\"http://www.fao.org/food-agriculture-statistics/fr/\"> http://www.fao.org/food-agriculture-statistics/fr/ </a>. </p>\n<p>Le manuel présenté ici ne doit pas être confondu avec les directives récemment complétées. Le Manuel est de nature plus technique et explique la méthodologie suivie par la FAO pour compiler les bilans alimentaires des pays. Bien qu’elles soient basées sur le Manuel, les Lignes directrices fournissent quant à elles des orientations et des recommandations révisées et pratiques pour la compilation des données au niveau national.</p>\n<p>Certains textes de base sur les bilans alimentaires sont également disponibles sur FAOSTAT : <a href=\"http://www.fao.org/faostat/fr/#data/FBS\"> http://www.fao.org/faostat/fr/#data/FBS </a>. </p>", "details": { "state": 10, "source": "<p>The main three sources of data at national level are: </p>\n<p>a) Official reports on the production, trade and utilization of the major food crop and livestock productions. </p>\n<p>b) Household survey data on food consumption </p>\n<p>c) Demographic characteristics of the national population </p>\n<p>Data sources for agricultural production are usually national surveys that are conducted by the Ministry of Agricultural/Livestock and/or the National Statistical Office. The surveys are usually annual, and in the absence of direct measurements, use information on areas/animal numbers and crop yields/carcass weights to calculate crop or livestock product quantities. Agricultural censuses, which FAO recommends conducting every ten years, may complement these surveys by providing more updated measured data on crops and livestock, and thus enable more precise projections/revisions. </p>\n<p>The data source for agricultural and food trade is almost exclusively the national customs office (with few exceptions where data may be obtained from the Central Bank). Countries often prepare these trade reports following international standard formats (commodity/country classifications, units of measurement, trading partner detail). While such trade data may be considered quite reliable, being the result of direct measurement/reporting by/to the customs office, issues of unreported border trade (and animal movement), misclassification of commodities, confidentiality, time-lag, to name a few, may necessitate some data analysis and validation (often by referring to ‘mirror’ trade statistics to cross-check quantities and values). </p>\n<p>Data on the utilization of primary and processed crops and livestock may be obtained through specialized surveys (supplemented by research) through the national agri-food industry system. Utilizations of interest here are those quantities destined for, among others, animal feed, for industrial uses (e.g. biofuel production), for national/enterprise/farm stocks, for seed (sowing for the successive agricultural cycle) – to enable as accurate an assessment as possible of the quantities destined/available for potential human consumption. </p>\n<p>These datasets (production, trade and utilizations), once cross-checked and validated, form the basis for the compilation of the Food Balance Sheets (FBS). The FBS are an accounting framework whereby supply (production + imports + stock withdrawals) should equal utilization (export + food processing + feed + seed + industrial use, etc.). It should be noted that, within the FBS framework, post-harvest/slaughter losses (up to the retail level) are considered as utilization, and thus a component in the balancing of the FBS. The FBS framework provides a snapshot of the agricultural supply situation at the national level, and allows for a cross-referenced structure whereby data, official or estimated/imputed, may be further analyzed and validated (e.g. animal numbers may result as being under-reported/estimated). </p>\n<p>The main result of the compilation of the FBS is the calculation of the Dietary Energy Supply (DES) in kilocalories per person (based on population figures) in a given year (quantities resulting as available for human consumption are converted into their caloric equivalents by using appropriate nutritive conversion factors by commodity). The DES, in the absence of direct consumption data from household surveys, is one of the key components in the calculation of the Prevalence of Undernourishment (PoU). FAO is presently embarking on a more focused program of providing FBS capacity to countries, including an updated compilation tool. </p>\n<p>FAO obtains crop/livestock primary/processed production data, and principal utilization thereof, through country-tailored questionnaires that are dispatched to all countries annually. Official country trade statistics are obtained annually through bulk downloads of the United Nations trade database (countries are expected to report to UNSD annually). In some cases, when available, national FBS data are also used. These datasets are then validated and form inputs in the country FBS which FAO compiles. It should be noted that when data are not officially reported/available (as is frequently the case with commodity utilization data), and hence it is necessary to resort to imputations to fill the data gaps. </p>\n<p>The new FBS Guidelines for national compilation (completed recently in collaboration with the Global Strategy) and new compilation tool (R-based ‘shiny’ application). </p>\n<p>Detail on FBS methodology: <a href=\"http://www.fao.org/economic/ess/fbs/ess-fbs02/en/\">http://www.fao.org/economic/ess/fbs/ess-fbs02/en/</a>. </p>\n<p>The FBS Handbook shown here should not be confused with the recently completed FBS Guidelines. The Handbook is of a more technical nature and explains the methodology followed by FAO in compiling country FBS. The Guidelines on the other hand, while based on the Handbook, provide countries with a more revised and practical guidance and recommendations for compilation at the national level. </p>\n<p>Some FBS background text also available on FAOSTAT: <a href=\"http://www.fao.org/faostat/en/#data/FBS\">http://www.fao.org/faostat/en/#data/FBS</a>. </p>", "old_state": 20 }, "id": 23102181, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102181/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681561/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.461890+02:00", "action": 30, "target": "<p>The main three sources of data at national level are: </p>\n<p>a) Official reports on the production, trade and utilization of the major food crop and livestock productions. </p>\n<p>b) Household survey data on food consumption </p>\n<p>c) Demographic characteristics of the national population </p>\n<p>Data sources for agricultural production are usually national surveys that are conducted by the Ministry of Agricultural/Livestock and/or the National Statistical Office. The surveys are usually annual, and in the absence of direct measurements, use information on areas/animal numbers and crop yields/carcass weights to calculate crop or livestock product quantities. Agricultural censuses, which FAO recommends conducting every ten years, may complement these surveys by providing more updated measured data on crops and livestock, and thus enable more precise projections/revisions. </p>\n<p>The data source for agricultural and food trade is almost exclusively the national customs office (with few exceptions where data may be obtained from the Central Bank). Countries often prepare these trade reports following international standard formats (commodity/country classifications, units of measurement, trading partner detail). While such trade data may be considered quite reliable, being the result of direct measurement/reporting by/to the customs office, issues of unreported border trade (and animal movement), misclassification of commodities, confidentiality, time-lag, to name a few, may necessitate some data analysis and validation (often by referring to ‘mirror’ trade statistics to cross-check quantities and values). </p>\n<p>Data on the utilization of primary and processed crops and livestock may be obtained through specialized surveys (supplemented by research) through the national agri-food industry system. Utilizations of interest here are those quantities destined for, among others, animal feed, for industrial uses (e.g. biofuel production), for national/enterprise/farm stocks, for seed (sowing for the successive agricultural cycle) – to enable as accurate an assessment as possible of the quantities destined/available for potential human consumption. </p>\n<p>These datasets (production, trade and utilizations), once cross-checked and validated, form the basis for the compilation of the Food Balance Sheets (FBS). The FBS are an accounting framework whereby supply (production + imports + stock withdrawals) should equal utilization (export + food processing + feed + seed + industrial use, etc.). It should be noted that, within the FBS framework, post-harvest/slaughter losses (up to the retail level) are considered as utilization, and thus a component in the balancing of the FBS. The FBS framework provides a snapshot of the agricultural supply situation at the national level, and allows for a cross-referenced structure whereby data, official or estimated/imputed, may be further analyzed and validated (e.g. animal numbers may result as being under-reported/estimated). </p>\n<p>The main result of the compilation of the FBS is the calculation of the Dietary Energy Supply (DES) in kilocalories per person (based on population figures) in a given year (quantities resulting as available for human consumption are converted into their caloric equivalents by using appropriate nutritive conversion factors by commodity). The DES, in the absence of direct consumption data from household surveys, is one of the key components in the calculation of the Prevalence of Undernourishment (PoU). FAO is presently embarking on a more focused program of providing FBS capacity to countries, including an updated compilation tool. </p>\n<p>FAO obtains crop/livestock primary/processed production data, and principal utilization thereof, through country-tailored questionnaires that are dispatched to all countries annually. Official country trade statistics are obtained annually through bulk downloads of the United Nations trade database (countries are expected to report to UNSD annually). In some cases, when available, national FBS data are also used. These datasets are then validated and form inputs in the country FBS which FAO compiles. It should be noted that when data are not officially reported/available (as is frequently the case with commodity utilization data), and hence it is necessary to resort to imputations to fill the data gaps. </p>\n<p>The new FBS Guidelines for national compilation (completed recently in collaboration with the Global Strategy) and new compilation tool (R-based ‘shiny’ application). </p>\n<p>Detail on FBS methodology: <a href=\"http://www.fao.org/economic/ess/fbs/ess-fbs02/en/\">http://www.fao.org/economic/ess/fbs/ess-fbs02/en/</a>. </p>\n<p>The FBS Handbook shown here should not be confused with the recently completed FBS Guidelines. The Handbook is of a more technical nature and explains the methodology followed by FAO in compiling country FBS. The Guidelines on the other hand, while based on the Handbook, provide countries with a more revised and practical guidance and recommendations for compilation at the national level. </p>\n<p>Some FBS background text also available on FAOSTAT: <a href=\"http://www.fao.org/faostat/en/#data/FBS\">http://www.fao.org/faostat/en/#data/FBS</a>. </p>", "old": "<p>The main three sources of data at national level are: </p>\n<p>a) Official reports on the production, trade and utilization of the major food crop and livestock productions. </p>\n<p>b) Household survey data on food consumption </p>\n<p>c) Demographic characteristics of the national population </p>\n<p>Data sources for agricultural production are usually national surveys that are conducted by the Ministry of Agricultural/Livestock and/or the National Statistical Office. The surveys are usually annual, and in the absence of direct measurements, use information on areas/animal numbers and crop yields/carcass weights to calculate crop or livestock product quantities. Agricultural censuses, which FAO recommends conducting every ten years, may complement these surveys by providing more updated measured data on crops and livestock, and thus enable more precise projections/revisions. </p>\n<p>The data source for agricultural and food trade is almost exclusively the national customs office (with few exceptions where data may be obtained from the Central Bank). Countries often prepare these trade reports following international standard formats (commodity/country classifications, units of measurement, trading partner detail). While such trade data may be considered quite reliable, being the result of direct measurement/reporting by/to the customs office, issues of unreported border trade (and animal movement), misclassification of commodities, confidentiality, time-lag, to name a few, may necessitate some data analysis and validation (often by referring to ‘ mirror’ trade statistics to cross-check quantities and values). </p>\n<p>Data on the utilization of primary and processed crops and livestock may be obtained through specialized surveys (supplemented by research) through the national agri-food industry system. Utilizations of interest here are those quantities destined for, among others, animal feed, for industrial uses (e.g. biofuel production), for national/enterprise/farm stocks, for seed (sowing for the successive agricultural cycle) – to enable as accurate an assessment as possible of the quantities destined/available for potential human consumption. </p>\n<p>These datasets (production, trade and utilizations), once cross-checked and validated, form the basis for the compilation of the Food Balance Sheets (FBS). The FBS are an accounting framework whereby supply (production + imports + stock withdrawals) should equal utilization (export + food processing + feed + seed + industrial use, etc.). It should be noted that, within the FBS framework, post-harvest/slaughter losses (up to the retail level) are considered as utilization, and thus a component in the balancing of the FBS. The FBS framework provides a snapshot of the agricultural supply situation at the national level, and allows for a cross-referenced structure whereby data, official or estimated/imputed, may be further analyzed and validated (e.g. animal numbers may result as being under-reported/estimated). The main result of the compilation of the FBS is the calculation of the Dietary Energy Supply (DES) in kilocalories per person (based on population figures) in a given year (quantities resulting as available for human consumption are converted into their caloric equivalents by using appropriate nutritive conversion factors by commodity). The DES, in the absence of direct consumption data from household surveys, is one of the key components in the calculation of the Prevalence of Undernourishment (PoU). FAO is presently embarking on a more focused program of providing FBS capacity to countries, including an updated compilation tool. </p>\n<p>FAO obtains crop/livestock primary/processed production data, and principal utilization thereof, through country-tailored questionnaires that are dispatched to all countries annually. Official country trade statistics are obtained annually through bulk downloads of the United Nations trade database (countries are expected to report to UNSD annually). In some cases, when available, national FBS data are also used. These datasets are then validated and form inputs in the country FBS which FAO compiles. It should be noted that when data are not officially reported/available (as is frequently the case with commodity utilization data), and hence it is necessary to resort to imputations to fill the data gaps. </p>\n<p>The new FBS Guidelines for national compilation (completed recently in collaboration with the Global Strategy) and new compilation tool (R-based ‘shiny’ application). </p>\n<p>Detail on FBS methodology: <a href=\"http://www.fao.org/economic/ess/fbs/ess-fbs02/en/\">http://www.fao.org/economic/ess/fbs/ess-fbs02/en/</a>. </p>\n<p>The FBS Handbook shown here should not be confused with the recently completed FBS Guidelines. The Handbook is of a more technical nature and explains the methodology followed by FAO in compiling country FBS. The Guidelines on the other hand, while based on the Handbook, provide countries with a more revised and practical guidance and recommendations for compilation at the national level. </p>\n<p>Some FBS background text also available on FAOSTAT: <a href=\"http://www.fao.org/faostat/en/#data/FBS\">http://www.fao.org/faostat/en/#data/FBS</a>. </p>", "details": {}, "id": 23102180, "action_name": "Source string changed", "url": "https://hosted.weblate.org/api/changes/23102180/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681560/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.461793+02:00", "action": 59, "target": "<p>Les agrégats régionaux et mondiaux de la prévalence de la sous-alimentation (PoU) sont calculés comme suit :</p>\n<p>PoU_REG = (_i PoU_i × N_i) / (_i N_i) </p>\n<p>où PoU_i correspond aux valeurs de la prévalence de la sous-alimentation estimées pour tous les pays dans les régions pour lesquelles les données disponibles permettent de calculer une estimation fiable, et N_i correspond à la taille de la population correspondante.</p>\n<p> </p>", "old": "<p>Les agrégats régionaux et mondiaux de la prévalence de la sous-alimentation (PoU) sont calculés comme suit :</p>\n<p>PoU_REG = (_i PoU_i × N_i) / (_i N_i) </p>\n<p>où PoU_i correspond aux valeurs de la prévalence de la sous-alimentation estimées pour tous les pays dans les régions pour lesquelles les données disponibles permettent de calculer une estimation fiable, et N_i correspond à la taille de la population correspondante.</p>\n<p> </p>", "details": { "state": 10, "source": "<p>Regional and global aggregates of the PoU are computed as: </p>\n<p><math xmlns=\"http://www.w3.org/1998/Math/MathML\">\n <msub>\n <mrow>\n <mi>P</mi>\n <mi>o</mi>\n <mi>U</mi>\n </mrow>\n <mrow>\n <mi>R</mi>\n <mi>E</mi>\n <mi>G</mi>\n </mrow>\n </msub>\n <mo>=</mo>\n <mfrac>\n <mrow>\n <mrow>\n <munder>\n <mo stretchy=\"false\">∑</mo>\n <mrow>\n <mi>i</mi>\n </mrow>\n </munder>\n <mrow>\n <msub>\n <mrow>\n <mi>P</mi>\n <mi>o</mi>\n <mi>U</mi>\n </mrow>\n <mrow>\n <mi>i</mi>\n </mrow>\n </msub>\n <mi>&nbsp;</mi>\n <mo>×</mo>\n <mi>&nbsp;</mi>\n <msub>\n <mrow>\n <mi>N</mi>\n </mrow>\n <mrow>\n <mi>i</mi>\n </mrow>\n </msub>\n </mrow>\n </mrow>\n </mrow>\n <mrow>\n <mrow>\n <munder>\n <mo stretchy=\"false\">∑</mo>\n <mrow>\n <mi>i</mi>\n </mrow>\n </munder>\n <mrow>\n <msub>\n <mrow>\n <mi>N</mi>\n </mrow>\n <mrow>\n <mi>i</mi>\n </mrow>\n </msub>\n </mrow>\n </mrow>\n </mrow>\n </mfrac>\n </math></p>\n<p>where PoU<sub>i</sub> are the values of PoU estimated for all countries (i) in the aggregate for which available data allow to compute a reliable estimate, and N<sub>i</sub> the corresponding population size. </p>", "old_state": 20 }, "id": 23102179, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102179/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681560/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.461720+02:00", "action": 30, "target": "<p>Regional and global aggregates of the PoU are computed as: </p>\n<p><math xmlns=\"http://www.w3.org/1998/Math/MathML\">\n <msub>\n <mrow>\n <mi>P</mi>\n <mi>o</mi>\n <mi>U</mi>\n </mrow>\n <mrow>\n <mi>R</mi>\n <mi>E</mi>\n <mi>G</mi>\n </mrow>\n </msub>\n <mo>=</mo>\n <mfrac>\n <mrow>\n <mrow>\n <munder>\n <mo stretchy=\"false\">∑</mo>\n <mrow>\n <mi>i</mi>\n </mrow>\n </munder>\n <mrow>\n <msub>\n <mrow>\n <mi>P</mi>\n <mi>o</mi>\n <mi>U</mi>\n </mrow>\n <mrow>\n <mi>i</mi>\n </mrow>\n </msub>\n <mi>&nbsp;</mi>\n <mo>×</mo>\n <mi>&nbsp;</mi>\n <msub>\n <mrow>\n <mi>N</mi>\n </mrow>\n <mrow>\n <mi>i</mi>\n </mrow>\n </msub>\n </mrow>\n </mrow>\n </mrow>\n <mrow>\n <mrow>\n <munder>\n <mo stretchy=\"false\">∑</mo>\n <mrow>\n <mi>i</mi>\n </mrow>\n </munder>\n <mrow>\n <msub>\n <mrow>\n <mi>N</mi>\n </mrow>\n <mrow>\n <mi>i</mi>\n </mrow>\n </msub>\n </mrow>\n </mrow>\n </mrow>\n </mfrac>\n </math></p>\n<p>where PoU<sub>i</sub> are the values of PoU estimated for all countries (i) in the aggregate for which available data allow to compute a reliable estimate, and N<sub>i</sub> the corresponding population size. </p>", "old": "<p>Regional and global aggregates of the PoU are computed as: </p>\n<p>PoU_REG = (_i PoU_i × N_i) / (_i N_i) </p>\n<p>where PoU_i are the values of PoU estimated for all countries in the regions for which available data allow to compute a reliable estimate, and N_i the corresponding population size. </p>\n<p> </p>", "details": {}, "id": 23102178, "action_name": "Source string changed", "url": "https://hosted.weblate.org/api/changes/23102178/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681559/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.461633+02:00", "action": 59, "target": "<p><strong>• Au niveau national :</strong></p>\n<p>Lorsqu'aucune donnée sur la consommation alimentaire n'est disponible à partir d'une enquête récente auprès des ménages, l'estimation de la prévalence de la sous-alimentation est basée sur un modèle incluant différentes variables : l’estimation du niveau moyen de la consommation énergétique alimentaire tirée des bilans alimentaires et l’estimation indirecte du coefficient de variation (CV) basée sur des informations sur le PIB national, le coefficient Gini du revenu, un indice du prix relatif des aliments, ou d'autres indicateurs de développement tels que le taux de mortalité des moins de 5 ans, ou une estimation des besoins énergétiques alimentaires minimums basés sur les données des Perspectives de la population mondiale de la Division des Nations unies.</p>\n<p>Voir la section Méthode de calcul pour plus de détails.</p>\n<p><strong>• Aux niveaux régional et mondial :</strong></p>\n<p>Les valeurs manquantes pour chaque pays sont implicitement imputées pour être égales à la moyenne pondérée de la population des valeurs estimées des pays présents dans la même région. </p>", "old": "<p><strong>• Au niveau national :</strong></p>\n<p>Lorsqu'aucune donnée sur la consommation alimentaire n'est disponible à partir d'une enquête récente auprès des ménages, l'estimation de la prévalence de la sous-alimentation est basée sur un modèle incluant différentes variables : l’estimation du niveau moyen de la consommation énergétique alimentaire tirée des bilans alimentaires et l’estimation indirecte du coefficient de variation (CV) basée sur des informations sur le PIB national, le coefficient Gini du revenu, un indice du prix relatif des aliments, ou d'autres indicateurs de développement tels que le taux de mortalité des moins de 5 ans, ou une estimation des besoins énergétiques alimentaires minimums basés sur les données des Perspectives de la population mondiale de la Division des Nations unies.</p>\n<p>Voir la section Méthode de calcul pour plus de détails.</p>\n<p><strong>• Aux niveaux régional et mondial :</strong></p>\n<p>Les valeurs manquantes pour chaque pays sont implicitement imputées pour être égales à la moyenne pondérée de la population des valeurs estimées des pays présents dans la même région. </p>", "details": { "state": 20, "source": "<p><strong>• At country level </strong></p>\n<p>When no data on food consumption is available from a recent household survey, the model-based estimate of the PoU is informed by an estimate of DEC from Food Balance Sheets, an indirect estimate of CV based on information on the country’s GDP, Gini coefficient of Income, an index of the relative price of food, or other indicators of development such as country’s Under 5 Mortality Rate, and an estimate of the MDER based on the UN Population Division’s World Population Prospects data. </p>\n<p>See the section on method of computation for details. </p>\n<p><strong>• At regional and global levels </strong></p>\n<p>Missing values for individual countries are implicitly imputed to be equal to the population weighted average of the estimated values of the countries present in the same subregion or region.</p>", "old_state": 20 }, "id": 23102177, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102177/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/43798595/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.461556+02:00", "action": 59, "target": "<p>Aucun.</p>", "old": "<p>Aucun.</p>", "details": { "state": 10, "source": "<p>None </p>", "old_state": 20 }, "id": 23102176, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102176/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/43798595/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.461481+02:00", "action": 30, "target": "<p>None </p>", "old": "<p>None. </p>", "details": {}, "id": 23102175, "action_name": "Source string changed", "url": "https://hosted.weblate.org/api/changes/23102175/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681551/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.461320+02:00", "action": 59, "target": "<p>L'indicateur est calculé au niveau de la population. À cette fin, la population est représentée par une moyenne des « individus » pour lesquels une distribution de probabilité des niveaux d'apport énergétique alimentaire quotidien habituel est modélisée par une fonction de densité de probabilité paramétrique (DPP). </p>\n<p>Une fois la DPP caractérisée, l'indicateur est obtenu en calculant la probabilité cumulative que les apports énergétiques alimentaires habituels quotidiens (x) soient inférieurs à la limite inférieure de la fourchette des besoins énergétiques alimentaires normaux pour un individu représentatif ou moyen (MDER), comme dans la formule ci-dessous : </p>\n<p>PoU (prévalence de la sous-alimentation) = ∫_(x < MDER) f(x | CEA; CV) dx </p>\n<p>où CEA et CV sont la moyenne et le coefficient de variation qui caractérisent la distribution des niveaux de consommation énergétique alimentaire habituelle dans la population. </p>\n<p>Une fonction R est disponible auprès de la Division des statistiques de la FAO pour calculer la prévalence de la sous-alimentation, compte tenu des trois paramètres CEA, CV et MDER.</p>\n<p>Différentes sources de données peuvent être utilisées pour estimer les différents paramètres du modèle. </p>\n<p>CEA</p>\n<p>La moyenne de la distribution des niveaux de consommation énergétique alimentaire (CEA) pour l'individu moyen d'une population correspond, par définition, au niveau moyen de consommation alimentaire quotidien par habitant dans la population.</p>\n<p>La CEA peut être estimée à partir de données sur la consommation alimentaire obtenues par des enquêtes représentatives de la population concernée. Selon la conception de l'enquête, elles peuvent être utilisées pour estimer la CEA au niveau national et sous-national, soit par zones géographiques, soit par groupes socio-économiques de la population. Malheureusement, bien que la situation s'améliore rapidement, les enquêtes représentatives qui recueillent des données sur la consommation alimentaire ne sont toujours pas disponibles pour chaque pays et chaque année.</p>\n<p>Pour la population nationale uniquement, la CEA peut également être estimée à partir des comptes de l'offre totale et de l'utilisation de tous les produits alimentaires dans un pays, où la contribution de chaque produit à la disponibilité des aliments pour la consommation humaine est exprimée en fonction de son contenu énergétique alimentaire. Le total est divisé par la taille de la population afin d’obtenir une moyenne par habitant. La principale source de données pour les bilans alimentaires nationaux est la « Food Balance Sheets (FBS) », compilée par la FAO pour la plupart des pays du monde (voir https://www.fao.org/food-agriculture-statistics/statistical-domains/crop-livestock-and-food/methodology/fr/), alimentée par les données officielles communiquées par les pays membres et diffusée par FAOSTAT (http://www.fao.org/faostat/fr/#data) </p>\n<p>CV</p>\n<p>Les enquêtes contenant des informations sur la consommation alimentaire au niveau des individus ou des ménages constituent la seule source disponible pour estimer directement le CV de la consommation alimentaire habituelle de l'individu représentatif dans la population. Malheureusement, les données d'enquête sur la consommation alimentaire se heurtent à de nombreux problèmes qui compliquent une estimation fiable du CV.</p>\n<p>En principe, des observations répétées de la consommation quotidienne de chaque individu d'un échantillon seraient nécessaires pour estimer les niveaux de consommation habituelle et pour contrôler les erreurs de mesure. De plus, les données devraient être recueillies à différentes périodes de l'année pour les mêmes individus ou ménages afin de tenir compte d'éventuelles variations saisonnières des niveaux de consommation énergétique alimentaire. En raison de leur coût, les enquêtes individuelles représentatives au niveau national sur la consommation alimentaire présentant de telles caractéristiques sont très rares, et pratiquement inexistantes pour la plupart des pays en développement. Par conséquent, les sources de données les plus courantes pour estimer le CV sont les enquêtes polyvalentes auprès des ménages, telles que les enquêtes de mesure du niveau de vie, les enquêtes sur les revenus et les dépenses des ménages (ou enquête sur les budgets des ménages), qui recueillent également des informations sur la consommation alimentaire. Toutefois, lors de l'utilisation des données recueillies au niveau des ménages, il convient de veiller à distinguer les niveaux d'achat ou d'acquisition de denrées alimentaires des niveaux d'utilisation réelle (consommation et gaspillage) au cours de la période de référence identifiée et à enregistrer correctement le nombre de personnes participant à la consommation. Enfin, les données au niveau des ménages masquent la variabilité due à la répartition des denrées alimentaires au sein des ménages.</p>\n<p>Pour toutes ces raisons, le CV calculé sur la série des niveaux moyens de consommation énergétique alimentaire quotidienne par habitant enregistrés pour chaque ménage inclus dans une enquête n'est jamais une estimation fiable du CV, qui devrait refléter la variabilité des niveaux de consommation énergétique alimentaire quotidienne habituelle (et non occasionnelle), au niveau de l'individu (et non du ménage). Les estimations empiriques du CV à partir des données des enquêtes sur les ménages sont biaisées à la hausse en raison d'une fausse variabilité introduite par l'erreur de mesure, des différences entre la consommation occasionnelle et habituelle, des différences entre l'acquisition et la consommation réelle et de la saisonnalité. De plus, elles ne reflètent pas la variabilité de la consommation énergétique alimentaire dans la population associée aux caractéristiques individuelles des membres du ménage (telles que le sexe, l'âge, la masse corporelle et le niveau d'activité physique).</p>\n<p>Lorsque l'on utilise des données recueillies dans le cadre d'enquêtes auprès des ménages, la meilleure estimation du CV est donc indirecte, en tenant compte de la variabilité erronée, et ajustée pour refléter la variabilité interindividuelle (en plus de la variabilité inter-ménages). La façon la plus simple de procéder consiste à classer les ménages en groupes homogènes et à calculer le coefficient de variation de la consommation moyenne d'énergétique alimentaire moyenne par habitant dans les différents groupes de ménages. On obtient ainsi une estimation de la composante inter-ménages du CV, appelée CV_H. Une estimation de la composante interindividuelle du CV, appelée CV_I, est obtenue, pour chaque population, à partir de sa structure par sexe, âge et masse corporelle, et les deux composantes sont combinées pour obtenir l'estimation nécessaire :</p>\n<p>CV^ = v[(CV_H)^2+(CV_I)^2 )]. </p>\n<p>Pour les pays et les années où aucune donnée provenant de l'enquête auprès des ménages n'est disponible, une estimation indirecte du CV, CV_IND, est obtenue par une régression projetant les valeurs du PIB par habitant, du coefficient Gini du revenu et d'un indice du prix relatif des denrées alimentaires (FPI) sur le CV, tout en tenant compte d'un changement de région (REG).</p>\n<p>CV^_IND=ß_0+ß_1 PIB+ ß_2 GINI+ ß_3 FPI+ß_4 REG. </p>\n<p>Les coefficients de la régression sont estimés à partir de l'ensemble des données et des années pour lesquelles des données sur le CV, le PIB, le coefficient GINI et le FPI sont disponibles.</p>\n<p>MDER</p>\n<p>Les besoins énergétiques humains sont calculés en multipliant les exigences normatives du taux métabolique de base (BMR, exprimé par kg de masse corporelle) par le poids idéal d'une personne en bonne santé de taille donnée, puis en le multipliant par un coefficient de niveau d'activité physique (PAL). Des fourchettes de besoins énergétiques normaux sont ainsi calculées pour chaque sexe et chaque groupe d'âge de la population, en retenant qu'il existe toute une gamme de valeurs de l'indice de masse corporelle (IMC) – allant de 18,5 à 25 – qui sont compatibles avec la santé. Cela implique que toute taille atteinte peut correspondre à toute une gamme de poids corporels sains, et donc à une gamme de valeurs de besoins énergétiques.</p>\n<p>Compte tenu des informations sur la taille médiane et du fait que le groupe peut comprendre des individus pratiquant différents niveaux d'activité physique, les besoins énergétiques alimentaires minimums, moyens et maximums peuvent être calculés pour chaque sexe et chaque classe d'âge en tenant compte des allocations spéciales pour la croissance des individus âgés de 0 à 21 ans, ainsi que pour la grossesse et l'allaitement. </p>\n<p>(Pour plus de détails, il est possible de consulter ftp://ftp.fao.org/docrep/fao/007/y5686e/y5686e00.pdf). </p>\n<p>Le MDER pour un groupe de population donné, y compris pour la population nationale, est obtenu comme la moyenne pondérée des minimums des fourchettes de besoins énergétiques de chaque sexe et de chaque classe d'âge, en utilisant la taille de la population dans chaque classe comme pondération. </p>\n<p>Lors du calcul de la prévalence de l'insuffisance énergétique alimentaire dans une population, il y a souvent eu confusion entre le concept de MDER et celui d'apport énergétique alimentaire recommandé, et concernant le seuil approprié à utiliser pour calculer la probabilité d'insuffisance. La raison pour laquelle la probabilité d'un apport énergétique insuffisant doit être calculée par rapport à la MDER, et non à l'apport énergétique alimentaire recommandé (qui, au contraire, peut être utilisé comme une estimation de l'apport alimentaire moyen recommandé pour l'ensemble de la population) est simplement de reconnaître le fait que dans toute population, il existe une certaine plage de variabilité normale des besoins. Ainsi, utiliser l'apport énergétique alimentaire recommandé comme seuil reviendrait à surestimer considérablement la sous-alimentation, car cela permettrait également de compter la proportion de la population en bonne santé qui consomme moins que la moyenne, simplement parce qu'elle a des besoins inférieurs à la moyenne. Néanmoins, en cas de besoin, l'apport énergétique alimentaire recommandé, ou le niveau moyen d'apport énergétique alimentaire recommandé dans une population, peut être utilisé pour calculer l'écart énergétique alimentaire.</p>", "old": "<p>L'indicateur est calculé au niveau de la population. À cette fin, la population est représentée par une moyenne des « individus » pour lesquels une distribution de probabilité des niveaux d'apport énergétique alimentaire quotidien habituel est modélisée par une fonction de densité de probabilité paramétrique (DPP). </p>\n<p>Une fois la DPP caractérisée, l'indicateur est obtenu en calculant la probabilité cumulative que les apports énergétiques alimentaires habituels quotidiens (x) soient inférieurs à la limite inférieure de la fourchette des besoins énergétiques alimentaires normaux pour un individu représentatif ou moyen (MDER), comme dans la formule ci-dessous : </p>\n<p>PoU (prévalence de la sous-alimentation) = ∫_(x < MDER) f(x | CEA; CV) dx </p>\n<p>où CEA et CV sont la moyenne et le coefficient de variation qui caractérisent la distribution des niveaux de consommation énergétique alimentaire habituelle dans la population. </p>\n<p>Une fonction R est disponible auprès de la Division des statistiques de la FAO pour calculer la prévalence de la sous-alimentation, compte tenu des trois paramètres CEA, CV et MDER.</p>\n<p>Différentes sources de données peuvent être utilisées pour estimer les différents paramètres du modèle. </p>\n<p>CEA</p>\n<p>La moyenne de la distribution des niveaux de consommation énergétique alimentaire (CEA) pour l'individu moyen d'une population correspond, par définition, au niveau moyen de consommation alimentaire quotidien par habitant dans la population.</p>\n<p>La CEA peut être estimée à partir de données sur la consommation alimentaire obtenues par des enquêtes représentatives de la population concernée. Selon la conception de l'enquête, elles peuvent être utilisées pour estimer la CEA au niveau national et sous-national, soit par zones géographiques, soit par groupes socio-économiques de la population. Malheureusement, bien que la situation s'améliore rapidement, les enquêtes représentatives qui recueillent des données sur la consommation alimentaire ne sont toujours pas disponibles pour chaque pays et chaque année.</p>\n<p>Pour la population nationale uniquement, la CEA peut également être estimée à partir des comptes de l'offre totale et de l'utilisation de tous les produits alimentaires dans un pays, où la contribution de chaque produit à la disponibilité des aliments pour la consommation humaine est exprimée en fonction de son contenu énergétique alimentaire. Le total est divisé par la taille de la population afin d’obtenir une moyenne par habitant. La principale source de données pour les bilans alimentaires nationaux est la « Food Balance Sheets (FBS) », compilée par la FAO pour la plupart des pays du monde (voir https://www.fao.org/food-agriculture-statistics/statistical-domains/crop-livestock-and-food/methodology/fr/), alimentée par les données officielles communiquées par les pays membres et diffusée par FAOSTAT (http://www.fao.org/faostat/fr/#data) </p>\n<p>CV</p>\n<p>Les enquêtes contenant des informations sur la consommation alimentaire au niveau des individus ou des ménages constituent la seule source disponible pour estimer directement le CV de la consommation alimentaire habituelle de l'individu représentatif dans la population. Malheureusement, les données d'enquête sur la consommation alimentaire se heurtent à de nombreux problèmes qui compliquent une estimation fiable du CV.</p>\n<p>En principe, des observations répétées de la consommation quotidienne de chaque individu d'un échantillon seraient nécessaires pour estimer les niveaux de consommation habituelle et pour contrôler les erreurs de mesure. De plus, les données devraient être recueillies à différentes périodes de l'année pour les mêmes individus ou ménages afin de tenir compte d'éventuelles variations saisonnières des niveaux de consommation énergétique alimentaire. En raison de leur coût, les enquêtes individuelles représentatives au niveau national sur la consommation alimentaire présentant de telles caractéristiques sont très rares, et pratiquement inexistantes pour la plupart des pays en développement. Par conséquent, les sources de données les plus courantes pour estimer le CV sont les enquêtes polyvalentes auprès des ménages, telles que les enquêtes de mesure du niveau de vie, les enquêtes sur les revenus et les dépenses des ménages (ou enquête sur les budgets des ménages), qui recueillent également des informations sur la consommation alimentaire. Toutefois, lors de l'utilisation des données recueillies au niveau des ménages, il convient de veiller à distinguer les niveaux d'achat ou d'acquisition de denrées alimentaires des niveaux d'utilisation réelle (consommation et gaspillage) au cours de la période de référence identifiée et à enregistrer correctement le nombre de personnes participant à la consommation. Enfin, les données au niveau des ménages masquent la variabilité due à la répartition des denrées alimentaires au sein des ménages.</p>\n<p>Pour toutes ces raisons, le CV calculé sur la série des niveaux moyens de consommation énergétique alimentaire quotidienne par habitant enregistrés pour chaque ménage inclus dans une enquête n'est jamais une estimation fiable du CV, qui devrait refléter la variabilité des niveaux de consommation énergétique alimentaire quotidienne habituelle (et non occasionnelle), au niveau de l'individu (et non du ménage). Les estimations empiriques du CV à partir des données des enquêtes sur les ménages sont biaisées à la hausse en raison d'une fausse variabilité introduite par l'erreur de mesure, des différences entre la consommation occasionnelle et habituelle, des différences entre l'acquisition et la consommation réelle et de la saisonnalité. De plus, elles ne reflètent pas la variabilité de la consommation énergétique alimentaire dans la population associée aux caractéristiques individuelles des membres du ménage (telles que le sexe, l'âge, la masse corporelle et le niveau d'activité physique).</p>\n<p>Lorsque l'on utilise des données recueillies dans le cadre d'enquêtes auprès des ménages, la meilleure estimation du CV est donc indirecte, en tenant compte de la variabilité erronée, et ajustée pour refléter la variabilité interindividuelle (en plus de la variabilité inter-ménages). La façon la plus simple de procéder consiste à classer les ménages en groupes homogènes et à calculer le coefficient de variation de la consommation moyenne d'énergétique alimentaire moyenne par habitant dans les différents groupes de ménages. On obtient ainsi une estimation de la composante inter-ménages du CV, appelée CV_H. Une estimation de la composante interindividuelle du CV, appelée CV_I, est obtenue, pour chaque population, à partir de sa structure par sexe, âge et masse corporelle, et les deux composantes sont combinées pour obtenir l'estimation nécessaire :</p>\n<p>CV^ = v[(CV_H)^2+(CV_I)^2 )]. </p>\n<p>Pour les pays et les années où aucune donnée provenant de l'enquête auprès des ménages n'est disponible, une estimation indirecte du CV, CV_IND, est obtenue par une régression projetant les valeurs du PIB par habitant, du coefficient Gini du revenu et d'un indice du prix relatif des denrées alimentaires (FPI) sur le CV, tout en tenant compte d'un changement de région (REG).</p>\n<p>CV^_IND=ß_0+ß_1 PIB+ ß_2 GINI+ ß_3 FPI+ß_4 REG. </p>\n<p>Les coefficients de la régression sont estimés à partir de l'ensemble des données et des années pour lesquelles des données sur le CV, le PIB, le coefficient GINI et le FPI sont disponibles.</p>\n<p>MDER</p>\n<p>Les besoins énergétiques humains sont calculés en multipliant les exigences normatives du taux métabolique de base (BMR, exprimé par kg de masse corporelle) par le poids idéal d'une personne en bonne santé de taille donnée, puis en le multipliant par un coefficient de niveau d'activité physique (PAL). Des fourchettes de besoins énergétiques normaux sont ainsi calculées pour chaque sexe et chaque groupe d'âge de la population, en retenant qu'il existe toute une gamme de valeurs de l'indice de masse corporelle (IMC) – allant de 18,5 à 25 – qui sont compatibles avec la santé. Cela implique que toute taille atteinte peut correspondre à toute une gamme de poids corporels sains, et donc à une gamme de valeurs de besoins énergétiques.</p>\n<p>Compte tenu des informations sur la taille médiane et du fait que le groupe peut comprendre des individus pratiquant différents niveaux d'activité physique, les besoins énergétiques alimentaires minimums, moyens et maximums peuvent être calculés pour chaque sexe et chaque classe d'âge en tenant compte des allocations spéciales pour la croissance des individus âgés de 0 à 21 ans, ainsi que pour la grossesse et l'allaitement. </p>\n<p>(Pour plus de détails, il est possible de consulter ftp://ftp.fao.org/docrep/fao/007/y5686e/y5686e00.pdf). </p>\n<p>Le MDER pour un groupe de population donné, y compris pour la population nationale, est obtenu comme la moyenne pondérée des minimums des fourchettes de besoins énergétiques de chaque sexe et de chaque classe d'âge, en utilisant la taille de la population dans chaque classe comme pondération. </p>\n<p>Lors du calcul de la prévalence de l'insuffisance énergétique alimentaire dans une population, il y a souvent eu confusion entre le concept de MDER et celui d'apport énergétique alimentaire recommandé, et concernant le seuil approprié à utiliser pour calculer la probabilité d'insuffisance. La raison pour laquelle la probabilité d'un apport énergétique insuffisant doit être calculée par rapport à la MDER, et non à l'apport énergétique alimentaire recommandé (qui, au contraire, peut être utilisé comme une estimation de l'apport alimentaire moyen recommandé pour l'ensemble de la population) est simplement de reconnaître le fait que dans toute population, il existe une certaine plage de variabilité normale des besoins. Ainsi, utiliser l'apport énergétique alimentaire recommandé comme seuil reviendrait à surestimer considérablement la sous-alimentation, car cela permettrait également de compter la proportion de la population en bonne santé qui consomme moins que la moyenne, simplement parce qu'elle a des besoins inférieurs à la moyenne. Néanmoins, en cas de besoin, l'apport énergétique alimentaire recommandé, ou le niveau moyen d'apport énergétique alimentaire recommandé dans une population, peut être utilisé pour calculer l'écart énergétique alimentaire.</p>", "details": { "state": 10, "source": "<p>To compute an estimate of the prevalence of undernourishment in a population, the probability distribution of habitual dietary energy intake levels (expressed in kcal per person per day) for the average individual is modelled as a parametric probability density function (pdf), f(x).</p>\n<p>The indicator is obtained as the cumulative probability that the habitual dietary energy intake (x) is below the minimum dietary energy requirements (MDER) (i.e. the lowest limit of the range of energy requirements for the population’s representative average individual) as in the formula below: </p>\n<p><math xmlns=\"http://www.w3.org/1998/Math/MathML\">\n <mi>P</mi>\n <mi>o</mi>\n <mi>U</mi>\n <mo>=</mo>\n <mi>&nbsp;</mi>\n <mrow>\n <msubsup>\n <mo stretchy=\"false\">∫</mo>\n <mrow>\n <mi>x</mi>\n <mo>&lt;</mo>\n <mi>M</mi>\n <mi>D</mi>\n <mi>E</mi>\n <mi>R</mi>\n </mrow>\n <mrow>\n <mi>&nbsp;</mi>\n </mrow>\n </msubsup>\n <mrow>\n <mi>f</mi>\n <mfenced separators=\"|\">\n <mrow>\n <mi>x</mi>\n <mo>|</mo>\n <mi>θ</mi>\n </mrow>\n </mfenced>\n <mi>d</mi>\n <mi>x</mi>\n </mrow>\n </mrow>\n </math></p>\n<p>where θ is a vector of parameters that characterizes the pdf. The distribution is assumed to be lognormal, and thus fully characterized by only two parameters: the mean dietary energy consumption (DEC), and its coefficient of variation (CV). </p>\n<p>A custom R function is available from the Statistics Division at FAO to compute the PoU, given the three parameters DEC, CV, and MDER. </p>\n<p>Different data sources can be used to estimate the different parameters of the model. </p>\n<p><u>DEC </u></p>\n<p>Ideally, data on food consumption should come from nationally representative household surveys (such as Living Standard Measurement Surveys or Household Incomes and Expenditure Surveys). However, only very few countries conduct such surveys on an annual basis. Thus, in FAO’s PoU estimates for global monitoring, DEC values are estimated from the dietary energy supply (DES) reported in the Food Balance Sheets (FBS), compiled by FAO for most countries in the world (<a href=\"https://www.fao.org/faostat/en/#data/FBS\">https://www.fao.org/faostat/en/#data/FBS</a>). </p>\n<p><u>CV </u></p>\n<p>When reliable data on food consumption are available from aforementioned nationally representative household surveys, the CV due to income (CV|y) that describes the distribution of average daily dietary energy requirement in the population can be estimated directly.</p>\n<p>When no suitable survey data are available, FIES data collected by FAO since 2014 are used to project the changes in the CV|y from 2015 (or from the year of the last food consumption survey) up to 2019, based on a smoothed (three-year moving average) trend in severe food insecurity.</p>\n<p>Since 2014, FIES data provide evidence on recent changes in the extent of severe food insecurity that might closely reflect changes in the PoU. To the extent that such changes in PoU are not explained by changes in average food supplies, they can thus be used to infer the likely changes in the CV|y that might have occurred in the most recent year. Analysis of the combined set of historic PoU estimates reveals that, on average, and once differences in DEC and MDER have been controlled for, the CV|y explains about one-third of the differences in PoU across time and space. For each country for which FIES data are available, the CV|y is estimated by the amount that would generate one-third of a percentage point change in the PoU for each observed percentage point change in the prevalence of severe food insecurity. For all other countries, the CV|y is kept constant at the estimated 2017 value.</p>\n<p>In the FAO PoU parametric approach, the CV due to body weight and lifestyle, a.k.a. CV due to requirement (CV|r), represents the variability of the distribution of dietary energy requirements of a hypothetical average individual representative of a healthy population, which is also equal to the CV of the distribution of dietary energy intakes of a hypothetical average individual if the population is perfectly nourished. The distribution of dietary energy requirements of a hypothetical average individual can be assumed to be normal, thus its variability can be estimated if at least two percentiles and their values are known. As a result, given that we are interested in deriving the theoretical distribution of dietary energy requirements for healthy hypothetical average individuals to estimate the CV|r, the MDER and the average dietary energy requirement (ADER) can be used to approximate the 1st percentile and the 50th percentile of the distribution of energy requirements of the hypothetical average individual as they are built on the same principles of a weighted average from sex-age-physiological status groups. Therefore, the value of CV|r is derived as the inverse cumulative standard normal distribution of the difference between the MDER and the ADER. Similar to the MDER, the ADER is estimated using the average of the minimum and the maximum values of the PAL category ‘Active or moderately active lifestyle’.</p>\n<p>The total CV is then obtained as the geometric mean of the CV|y and the CV|r:</p>\n<p><math xmlns=\"http://www.w3.org/1998/Math/MathML\">\n <mi>C</mi>\n <mi>V</mi>\n <mo>=</mo>\n <msqrt>\n <mfenced separators=\"|\">\n <mrow>\n <msup>\n <mrow>\n <mi>C</mi>\n <mi>V</mi>\n <mo>|</mo>\n <mi>y</mi>\n </mrow>\n <mrow>\n <mn>2</mn>\n </mrow>\n </msup>\n </mrow>\n </mfenced>\n <mo>+</mo>\n <mfenced separators=\"|\">\n <mrow>\n <msup>\n <mrow>\n <mi>C</mi>\n <mi>V</mi>\n <mo>|</mo>\n <mi>r</mi>\n </mrow>\n <mrow>\n <mn>2</mn>\n </mrow>\n </msup>\n </mrow>\n </mfenced>\n </msqrt>\n </math></p>\n<p><strong>Challenges and limitations:</strong> While formally the state of being undernourished or not is a condition that applies to individuals, given the data usually available on a large scale, it is impossible to reliably identify which individuals in a certain group are actually undernourished. Through the statistical model described above, the indicator can only be computed with reference to a population or a group of individuals for which a representative sample is available. The prevalence of undernourishment is thus an estimate of the percentage of individuals in that group that are in such condition and cannot be further disaggregated.</p>\n<p>Due to the probabilistic nature of the inference and the margins of uncertainty associated with estimates of each of the parameters in the model, the precision of the PoU estimates is generally low. While it is not possible to formally compute margins of error around PoU estimates, these are expected to likely exceed 5 percent in most cases. For this reason, FAO does not consider PoU estimates that result to be lower than 2.5 percent as sufficiently reliable to be reported.</p>\n<p><u>MDER </u></p>\n<p>Human energy requirements for an individual in a given sex/age class are determined on the basis of normative requirements for basic metabolic rate (BMR) per kilogram of body mass, multiplied by the ideal weights that a healthy person of that sex/age class may have, given his or her height, and then multiplied by a coefficient of physical activity level (PAL) to take into account physical activity. Given that both healthy BMIs and PALs vary among active and healthy individuals of the same sex and age, a <em>range </em>of energy requirements applies to each sex and age group of the population. The MDER for the average individual in the population, which is the parameter used in the PoU formula, is obtained as the weighted average of the lower bounds of the energy requirement ranges for each sex and age group, using the shares of the population in each sex and age group as weights.</p>\n<p>Information on the population structure by sex and age is available for most countries in the world and for each year from the UN Department of Economic and Social Affairs (DESA) Population Prospects, revised every two years.</p>\n<p>Information on the median height in each sex and age group for a given country is derived from a recent demographic and health survey (DHS) or from other surveys that collect anthropometry data on children and adults. Even if such surveys do not refer to the same year for which the PoU is estimated, the impact of possible small intervening changes in median heights over the years on PoU estimates is expected to be negligible.</p>", "old_state": 20 }, "id": 23102174, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102174/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681551/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.461244+02:00", "action": 30, "target": "<p>To compute an estimate of the prevalence of undernourishment in a population, the probability distribution of habitual dietary energy intake levels (expressed in kcal per person per day) for the average individual is modelled as a parametric probability density function (pdf), f(x).</p>\n<p>The indicator is obtained as the cumulative probability that the habitual dietary energy intake (x) is below the minimum dietary energy requirements (MDER) (i.e. the lowest limit of the range of energy requirements for the population’s representative average individual) as in the formula below: </p>\n<p><math xmlns=\"http://www.w3.org/1998/Math/MathML\">\n <mi>P</mi>\n <mi>o</mi>\n <mi>U</mi>\n <mo>=</mo>\n <mi>&nbsp;</mi>\n <mrow>\n <msubsup>\n <mo stretchy=\"false\">∫</mo>\n <mrow>\n <mi>x</mi>\n <mo>&lt;</mo>\n <mi>M</mi>\n <mi>D</mi>\n <mi>E</mi>\n <mi>R</mi>\n </mrow>\n <mrow>\n <mi>&nbsp;</mi>\n </mrow>\n </msubsup>\n <mrow>\n <mi>f</mi>\n <mfenced separators=\"|\">\n <mrow>\n <mi>x</mi>\n <mo>|</mo>\n <mi>θ</mi>\n </mrow>\n </mfenced>\n <mi>d</mi>\n <mi>x</mi>\n </mrow>\n </mrow>\n </math></p>\n<p>where θ is a vector of parameters that characterizes the pdf. The distribution is assumed to be lognormal, and thus fully characterized by only two parameters: the mean dietary energy consumption (DEC), and its coefficient of variation (CV). </p>\n<p>A custom R function is available from the Statistics Division at FAO to compute the PoU, given the three parameters DEC, CV, and MDER. </p>\n<p>Different data sources can be used to estimate the different parameters of the model. </p>\n<p><u>DEC </u></p>\n<p>Ideally, data on food consumption should come from nationally representative household surveys (such as Living Standard Measurement Surveys or Household Incomes and Expenditure Surveys). However, only very few countries conduct such surveys on an annual basis. Thus, in FAO’s PoU estimates for global monitoring, DEC values are estimated from the dietary energy supply (DES) reported in the Food Balance Sheets (FBS), compiled by FAO for most countries in the world (<a href=\"https://www.fao.org/faostat/en/#data/FBS\">https://www.fao.org/faostat/en/#data/FBS</a>). </p>\n<p><u>CV </u></p>\n<p>When reliable data on food consumption are available from aforementioned nationally representative household surveys, the CV due to income (CV|y) that describes the distribution of average daily dietary energy requirement in the population can be estimated directly.</p>\n<p>When no suitable survey data are available, FIES data collected by FAO since 2014 are used to project the changes in the CV|y from 2015 (or from the year of the last food consumption survey) up to 2019, based on a smoothed (three-year moving average) trend in severe food insecurity.</p>\n<p>Since 2014, FIES data provide evidence on recent changes in the extent of severe food insecurity that might closely reflect changes in the PoU. To the extent that such changes in PoU are not explained by changes in average food supplies, they can thus be used to infer the likely changes in the CV|y that might have occurred in the most recent year. Analysis of the combined set of historic PoU estimates reveals that, on average, and once differences in DEC and MDER have been controlled for, the CV|y explains about one-third of the differences in PoU across time and space. For each country for which FIES data are available, the CV|y is estimated by the amount that would generate one-third of a percentage point change in the PoU for each observed percentage point change in the prevalence of severe food insecurity. For all other countries, the CV|y is kept constant at the estimated 2017 value.</p>\n<p>In the FAO PoU parametric approach, the CV due to body weight and lifestyle, a.k.a. CV due to requirement (CV|r), represents the variability of the distribution of dietary energy requirements of a hypothetical average individual representative of a healthy population, which is also equal to the CV of the distribution of dietary energy intakes of a hypothetical average individual if the population is perfectly nourished. The distribution of dietary energy requirements of a hypothetical average individual can be assumed to be normal, thus its variability can be estimated if at least two percentiles and their values are known. As a result, given that we are interested in deriving the theoretical distribution of dietary energy requirements for healthy hypothetical average individuals to estimate the CV|r, the MDER and the average dietary energy requirement (ADER) can be used to approximate the 1st percentile and the 50th percentile of the distribution of energy requirements of the hypothetical average individual as they are built on the same principles of a weighted average from sex-age-physiological status groups. Therefore, the value of CV|r is derived as the inverse cumulative standard normal distribution of the difference between the MDER and the ADER. Similar to the MDER, the ADER is estimated using the average of the minimum and the maximum values of the PAL category ‘Active or moderately active lifestyle’.</p>\n<p>The total CV is then obtained as the geometric mean of the CV|y and the CV|r:</p>\n<p><math xmlns=\"http://www.w3.org/1998/Math/MathML\">\n <mi>C</mi>\n <mi>V</mi>\n <mo>=</mo>\n <msqrt>\n <mfenced separators=\"|\">\n <mrow>\n <msup>\n <mrow>\n <mi>C</mi>\n <mi>V</mi>\n <mo>|</mo>\n <mi>y</mi>\n </mrow>\n <mrow>\n <mn>2</mn>\n </mrow>\n </msup>\n </mrow>\n </mfenced>\n <mo>+</mo>\n <mfenced separators=\"|\">\n <mrow>\n <msup>\n <mrow>\n <mi>C</mi>\n <mi>V</mi>\n <mo>|</mo>\n <mi>r</mi>\n </mrow>\n <mrow>\n <mn>2</mn>\n </mrow>\n </msup>\n </mrow>\n </mfenced>\n </msqrt>\n </math></p>\n<p><strong>Challenges and limitations:</strong> While formally the state of being undernourished or not is a condition that applies to individuals, given the data usually available on a large scale, it is impossible to reliably identify which individuals in a certain group are actually undernourished. Through the statistical model described above, the indicator can only be computed with reference to a population or a group of individuals for which a representative sample is available. The prevalence of undernourishment is thus an estimate of the percentage of individuals in that group that are in such condition and cannot be further disaggregated.</p>\n<p>Due to the probabilistic nature of the inference and the margins of uncertainty associated with estimates of each of the parameters in the model, the precision of the PoU estimates is generally low. While it is not possible to formally compute margins of error around PoU estimates, these are expected to likely exceed 5 percent in most cases. For this reason, FAO does not consider PoU estimates that result to be lower than 2.5 percent as sufficiently reliable to be reported.</p>\n<p><u>MDER </u></p>\n<p>Human energy requirements for an individual in a given sex/age class are determined on the basis of normative requirements for basic metabolic rate (BMR) per kilogram of body mass, multiplied by the ideal weights that a healthy person of that sex/age class may have, given his or her height, and then multiplied by a coefficient of physical activity level (PAL) to take into account physical activity. Given that both healthy BMIs and PALs vary among active and healthy individuals of the same sex and age, a <em>range </em>of energy requirements applies to each sex and age group of the population. The MDER for the average individual in the population, which is the parameter used in the PoU formula, is obtained as the weighted average of the lower bounds of the energy requirement ranges for each sex and age group, using the shares of the population in each sex and age group as weights.</p>\n<p>Information on the population structure by sex and age is available for most countries in the world and for each year from the UN Department of Economic and Social Affairs (DESA) Population Prospects, revised every two years.</p>\n<p>Information on the median height in each sex and age group for a given country is derived from a recent demographic and health survey (DHS) or from other surveys that collect anthropometry data on children and adults. Even if such surveys do not refer to the same year for which the PoU is estimated, the impact of possible small intervening changes in median heights over the years on PoU estimates is expected to be negligible.</p>", "old": "<p>The indicator is computed at the population level. To this aim, the population is represented by an “average” individual for which a probability distribution of the habitual daily dietary energy intake levels is modelled through a parametric probability density function (pdf). </p>\n<p>Once the pdf is characterized, the indicator is obtained as the cumulative probability that daily habitual dietary energy intakes (x) are below the lower bound of the range of normal dietary energy requirements for that representative, or average individual (MDER), as in the formula below: </p>\n<p>PoU= ∫_(x<MDER) f(x | DEC; CV) dx </p>\n<p>where DEC and CV are the mean and coefficient of variation that characterize the distribution of habitual dietary energy consumption levels in the population. </p>\n<p>A custom R function is available from the Statistics Division at FAO to compute the PoU, given the three parameters DEC, CV, and MDER. </p>\n<p>Different data sources can be used to estimate the different parameters of the model. </p>\n<p>DEC </p>\n<p>The mean of the distribution of dietary energy consumption levels for the average individual in a population (DEC) corresponds, by definition, to the average, daily per capita food consumption level in the population. </p>\n<p>DEC can be estimated from data on food consumption obtained through surveys that are representative of the population of interest. Depending on the survey design, they can be used to estimate DEC at national and at sub national levels, either by geographic areas or by socio-economic population groups. Unfortunately, though the situation is rapidly improving, representative surveys that collect food consumption data are still not available for every country and every year. </p>\n<p>For the national population only, DEC can be estimated also from accounts of the total supply and utilization of all food commodities in a country, where the contribution of each commodity to the availability of food for human consumption is expressed in their dietary energy content, and their total is divided by the size of the population. The major source of data on national food balances are the Food Balance Sheets (FBS) maintained by FAO for most countries in the world (see http://www.fao.org/economic/ess/fbs/en/), informed by official data reported by member countries, and disseminated through FAOSTAT (http://www.fao.org/faostat/en/#data) </p>\n<p>CV </p>\n<p>Surveys that contain information on food consumption at individual or household level are the only available source to directly estimate the CV of habitual food consumption for the representative individual in the population. Unfortunately, survey data on food consumption are fraught by many problems that complicate the reliable estimation of CV. </p>\n<p>In principle, repeated observations of daily consumption for each individual in a sample would be needed to estimate levels of habitual consumption and to control for measurement errors. Moreover, data should be collected in different periods of the year on the same individuals or households to account for possible seasonal variation in levels of dietary energy consumption. Due to their cost, nationally representative individual dietary intake surveys with such characteristics are very rare, and virtually inexistent for most developing countries. As a consequence, the most common sources of data to estimate CV are multipurpose household surveys, such as Living Standard Measurement Surveys, Household Incomes and Expenditure Surveys (or Household Budgets Survey), that collect also information on food consumption. When using data collected at household level however, careful attention should be taken in distinguishing levels of food purchases or acquisitions from levels of actual utilization (consumption and wastage) during the identified reference period and in properly recording the number of individuals who participate in consumption; moreover, household level data will mask the variability due to intra-household allocation of food. </p>\n<p>For all these reasons, the coefficient of variation calculated on the series of average per capita daily dietary energy consumption levels recorded for each household included in a survey is never a reliable estimate of CV, which should reflect variability in the levels of habitual (and not occasional) daily dietary energy consumption level, at the individual (and not household) level. Empirical estimates of CV from household survey data are upward biased due to the spurious variability induced by measurement error, differences between occasional and habitual consumption, differences between acquisition and actual consumption and seasonality; moreover, they do not reflect the variability in dietary energy consumption in the population associated with individual characteristics of the household members (such as sex, age, body mass and physical activity levels). </p>\n<p>When using data collected through household surveys, CV is thus best estimated indirectly, controlling for spurious variability, and adjusted to reflect inter-individuals (in addition to inter-households) variability. The simplest way to proceed is to classify households into homogeneous groups and to calculate the coefficient of variation of the average per capita dietary energy consumption across household groups. This yields an estimate of the inter-households component of CV, labelled CV_H. An estimate of the inter-individuals component of the CV, labelled CV_I, is obtained, for each population, from its structure by sex, age and body masses, and the two components are combined to obtain the needed estimate as: </p>\n<p>CV^ = v[(CV_H)^2+(CV_I)^2 )]. </p>\n<p>For countries and years when no data from household survey are available, an indirect estimate of the CV, CV_IND, is obtained via a regression that projects the values of per capita GDP, Gini coefficient of income, and an index of the relative price of food (FPI) on the CV, while controlling for a regional shifter (REG). </p>\n<p>CV^_IND=ß_0+ß_1 GDP+ ß_2 GINI+ ß_3 FPI+ß_4 REG. </p>\n<p>Coefficients of the regression are estimated from the set of data and years for which data on CV, GDP, GINI and FPI are available. </p>\n<p>MDER </p>\n<p>Human energy requirements are computed by multiplying normative requirements for basic metabolic rate (BMR, expressed per kg of body mass) by the ideal weight of a healthy person of given height, and then multiplied by a coefficient of physical activity level (PAL). Ranges of normal energy requirements are thus computed for each sex and age group of the population, observing that there exist a whole range of Body Mass Index (BMI) values – from 18.5 to 25 – that are compatible with health. This implies that any given attained height might correspond to a whole range of healthy body weights, and therefore to a range of values for energy requirement for BMR. </p>\n<p>Given information on the median height and the consideration that the group might contain individuals engaged in different levels of physical activity, the minimum, average and maximum dietary energy requirement can be computed for every sex and age class by taking into consideration special allowances for growth in individuals aged 0-21 and for pregnancy and lactation. </p>\n<p>(See ftp://ftp.fao.org/docrep/fao/007/y5686e/y5686e00.pdf for further details). </p>\n<p>The MDER for a given population group, including for the national population, is obtained as the weighted average of the minimums of the energy requirements ranges of each sex and age class, using the population size in each class as weights. </p>\n<p>In computing the prevalence of dietary energy inadequacy in a population there has often been confusion between the concept of MDER and that of the Recommended Dietary Energy Intake, and regarding the appropriate threshold to be used to compute the probability of inadequacy. The reason why the probability of dietary energy inadequacy should be computed with reference to the MDER, and not the ADER (which, instead, can be used as an estimate of the average recommended dietary intake level for the whole population) is simply to recognize the fact that in any population there exists a certain range of normal variability in requirements; using the ADER as a threshold would greatly overestimate undernourishment as it would count also the proportion of the healthy population that consumes less than average, simply because of having less than average requirements. When needed, the ADER, or the average Recommended Dietary Energy Intake level in a population must be used instead to compute the dietary energy gap." </p>", "details": {}, "id": 23102173, "action_name": "Source string changed", "url": "https://hosted.weblate.org/api/changes/23102173/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681544/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.461100+02:00", "action": 59, "target": "<p>Au fil des ans, l'approche paramétrique qui sous-tend le calcul de la prévalence de la sous-alimentation a été critiquée, car elle repose sur l'hypothèse que la sous-alimentation doit nécessairement être évaluée au niveau individuel, en comparant les besoins énergétiques individuels avec les apports énergétiques individuels. Selon ce point de vue, la prévalence de la sous-alimentation pourrait être simplement calculée en comptant le nombre d'individus dans un échantillon représentatif de la population classés comme sous-alimentés, sur la base d'une comparaison de la consommation alimentaire habituelle et des besoins individuels. Malheureusement, une telle approche n'est pas réalisable et ce pour deux raisons. Premièrement, en raison du coût des enquêtes sur les apports alimentaires individuels, la consommation alimentaire individuelle n'est mesurée que dans quelques pays, selon une périodicité pluriannuelle, sur des échantillons relativement petits. De plus, les besoins énergétiques individuels sont pratiquement inobservables avec les méthodes de collecte de données standards (à un tel point que la consommation énergétique habituelle observée des individus en bonne santé reste le moyen privilégié pour déduire les besoins énergétiques individuels). Cela signifie que même s'il était possible d'obtenir des observations précises de la consommation énergétique alimentaire individuelle, cela serait insuffisant pour déduire l'état de sous-alimentation au niveau individuel, à moins que le tout soit ajusté en fonction de l'état physique (indice de masse corporelle) et de la dynamique dans le temps d’un même individu.</p>\n<p>L'approche modélisée, développée et utilisée par la FAO pour estimer la prévalence de la sous-alimentation, intègre des variables disponibles régulièrement et ce pour la plupart des pays du monde. Le tout permet d’obtenir ce qui demeure l'un des outils les plus fiables pour suivre les progrès réalisés dans la réduction de la faim dans le monde.</p>\n<p>Autres considérations spécifiques :</p>\n<p>1. Faisabilité</p>\n<p>Depuis 1999, la plupart des pays du monde peuvent estimer la prévalence de la sous-alimentation au niveau national. Lorsqu'aucune donnée sur la consommation alimentaire n'est disponible à partir d'une enquête récente auprès des ménages, l'estimation de la prévalence de la sous-alimentation est basée sur un modèle incluant différentes variables : l’estimation du niveau moyen de la consommation énergétique alimentaire(CEA) tirée des bilans alimentaires et l’estimation indirecte du coefficient de variation (CV) basée sur des informations sur le PIB national, le coefficient Gini du revenu, un indice du prix relatif des aliments, ou d'autres indicateurs de développement tels que le taux de mortalité des moins de 5 ans, ou une estimation des besoins énergétiques alimentaires minimums basés sur les données du « World Population Prospects » de la Division de la population des Nations unies.</p>\n<p>2. Fiabilité</p>\n<p>La fiabilité dépend principalement de la qualité des données utilisées pour l'estimation des paramètres du modèle. </p>\n<p>La consommation énergétique alimentaire peut être estimée soit à partir de données d'enquêtes, soit à partir de bilans alimentaires. Toutefois, aucune de ces sources n'est exempte de problème. Lorsque l'on compare les estimations tirées des consommations énergétiques alimentaires nationales provenant des bilans alimentaires à celles tirées des enquêtes, des différences sont fréquemment constatées. </p>\n<p>Les estimations de la consommation énergétique alimentaire à partir des données d'enquête peuvent être affectées par des erreurs de mesure systématiques dues à une sous-déclaration de la consommation alimentaire ou à un enregistrement incomplet de toutes les sources de consommation alimentaire. Des recherches récentes montrent qu'un biais négatif de plus de 850 kcal peut être introduit sur l'estimation de la consommation calorique quotidienne par habitant selon le type de module de consommation alimentaire choisi pour saisir les données au niveau des ménages. (Voir (en anglais) De Weerdt et al., 2015, tableau 2, https://feb.kuleuven.be/drc/licos/publications/dp/DP%20365%20Complete.pdf). Une analyse détaillée d'une récente enquête sur le budget des ménages au Brésil a révélé que les aliments fournis gratuitement dans le cadre du programme de repas scolaires et consommés par les enfants à l'école n'avaient pas été pris en compte parmi les sources de consommation alimentaire des ménages, ce qui explique un biais à la baisse de la consommation énergétique alimentaire quotidienne moyenne par habitant de 674 kcal. (Voir Borlizzi, Cafiero & Del Grossi, à paraître). </p>\n<p>Les estimations de la consommation énergétique alimentaire provenant des bilans alimentaires peuvent également être affectées par des erreurs, bien qu'il soit difficile d'établir la direction du biais. Comme la disponibilité alimentaire moyenne est un résidu de la méthode du bilan financier, toute erreur dans la production, le commerce et les stocks déclarés peut affecter les estimations de la disponibilité alimentaire nationale. De plus, des erreurs peuvent être introduites par la difficulté de comptabiliser correctement toutes les formes d'utilisation des produits alimentaires. Dans la mesure où toutes ces erreurs ne sont pas corrélées, l'impact sur la consommation alimentaire moyenne estimée sera toutefois inférieur à ce que chacune des erreurs, considérée séparément, pourrait impliquer. Néanmoins, compte tenu de la difficulté de comptabiliser avec précision les variations des réserves nationales de denrées alimentaires, pour lesquelles les données officielles peuvent être peu fiables, il est admis que la variation annuelle estimée des stocks est sujette à une incertitude considérable qui est transférée à la consommation énergétique alimentaire estimée pour chaque année donnée.</p>\n<p>Pour limiter l'impact de ces erreurs, la FAO a toujours présenté les estimations de la prévalence de la sous-alimentation au niveau national en tant que moyennes sur trois ans, en partant du principe que les erreurs induites par un enregistrement imprécis des variations des stocks au cours d'une année donnée pourraient être fortement réduites si l'on considère une moyenne sur trois années consécutives.</p>\n<p>Les données d'enquête sont la seule source permettant d'estimer le CV. Tel que décrit dans la section des métadonnées sur la méthode de calcul, à moins d'être obtenues à partir d'enquêtes de haute qualité sur les apports alimentaires individuels, les données doivent être traitées de manière à réduire le biais à la hausse probable dans les estimations du CV qui serait introduit par la variabilité fausse due aux erreurs de mesure des apports énergétiques alimentaires individuels habituels.</p>\n<p>3. Comparabilité </p>\n<p>Si la même méthode de calcul est utilisée, la comparabilité dans le temps et l'espace est relativement élevée, la seule cause potentielle d'inhomogénéité se trouvant dans la qualité différente des données de base. </p>\n<p>4. Limites</p>\n<p>En raison de la nature probabiliste de l'inférence et des marges d'incertitude associées aux estimations de chacun des paramètres du modèle, la précision des estimations des prévalences de sous-alimentation est généralement faible. Même s'il n'est pas possible de calculer les marges d'erreur théoriques pour les estimations de la prévalence de la sous-alimentation, celles-ci dépasseraient très probablement plus ou moins 2,5 % dans la plupart des cas. C'est pourquoi la FAO ne publie des estimations de la prévalence de la sous-alimentation au niveau national que lorsqu'elles sont supérieures à 2,5 %. Cela suggère également que 2,5 % est l'objectif le plus bas qui puisse être fixé pour l'indicateur de la prévalence de la sous-alimentation, une valeur qui est trop élevée lorsque l'ambition est d'éradiquer complètement le fléau de la faim.</p>\n<p>Si aucune enquête recueillant des données sur la consommation alimentaire et représentative au niveau infranational n'est disponible, l'indicateur ne peut être calculé qu'au niveau national.</p>", "old": "<p>Au fil des ans, l'approche paramétrique qui sous-tend le calcul de la prévalence de la sous-alimentation a été critiquée, car elle repose sur l'hypothèse que la sous-alimentation doit nécessairement être évaluée au niveau individuel, en comparant les besoins énergétiques individuels avec les apports énergétiques individuels. Selon ce point de vue, la prévalence de la sous-alimentation pourrait être simplement calculée en comptant le nombre d'individus dans un échantillon représentatif de la population classés comme sous-alimentés, sur la base d'une comparaison de la consommation alimentaire habituelle et des besoins individuels. Malheureusement, une telle approche n'est pas réalisable et ce pour deux raisons. Premièrement, en raison du coût des enquêtes sur les apports alimentaires individuels, la consommation alimentaire individuelle n'est mesurée que dans quelques pays, selon une périodicité pluriannuelle, sur des échantillons relativement petits. De plus, les besoins énergétiques individuels sont pratiquement inobservables avec les méthodes de collecte de données standards (à un tel point que la consommation énergétique habituelle observée des individus en bonne santé reste le moyen privilégié pour déduire les besoins énergétiques individuels). Cela signifie que même s'il était possible d'obtenir des observations précises de la consommation énergétique alimentaire individuelle, cela serait insuffisant pour déduire l'état de sous-alimentation au niveau individuel, à moins que le tout soit ajusté en fonction de l'état physique (indice de masse corporelle) et de la dynamique dans le temps d’un même individu.</p>\n<p>L'approche modélisée, développée et utilisée par la FAO pour estimer la prévalence de la sous-alimentation, intègre des variables disponibles régulièrement et ce pour la plupart des pays du monde. Le tout permet d’obtenir ce qui demeure l'un des outils les plus fiables pour suivre les progrès réalisés dans la réduction de la faim dans le monde.</p>\n<p>Autres considérations spécifiques :</p>\n<p>1. Faisabilité</p>\n<p>Depuis 1999, la plupart des pays du monde peuvent estimer la prévalence de la sous-alimentation au niveau national. Lorsqu'aucune donnée sur la consommation alimentaire n'est disponible à partir d'une enquête récente auprès des ménages, l'estimation de la prévalence de la sous-alimentation est basée sur un modèle incluant différentes variables : l’estimation du niveau moyen de la consommation énergétique alimentaire(CEA) tirée des bilans alimentaires et l’estimation indirecte du coefficient de variation (CV) basée sur des informations sur le PIB national, le coefficient Gini du revenu, un indice du prix relatif des aliments, ou d'autres indicateurs de développement tels que le taux de mortalité des moins de 5 ans, ou une estimation des besoins énergétiques alimentaires minimums basés sur les données du « World Population Prospects » de la Division de la population des Nations unies.</p>\n<p>2. Fiabilité</p>\n<p>La fiabilité dépend principalement de la qualité des données utilisées pour l'estimation des paramètres du modèle. </p>\n<p>La consommation énergétique alimentaire peut être estimée soit à partir de données d'enquêtes, soit à partir de bilans alimentaires. Toutefois, aucune de ces sources n'est exempte de problème. Lorsque l'on compare les estimations tirées des consommations énergétiques alimentaires nationales provenant des bilans alimentaires à celles tirées des enquêtes, des différences sont fréquemment constatées. </p>\n<p>Les estimations de la consommation énergétique alimentaire à partir des données d'enquête peuvent être affectées par des erreurs de mesure systématiques dues à une sous-déclaration de la consommation alimentaire ou à un enregistrement incomplet de toutes les sources de consommation alimentaire. Des recherches récentes montrent qu'un biais négatif de plus de 850 kcal peut être introduit sur l'estimation de la consommation calorique quotidienne par habitant selon le type de module de consommation alimentaire choisi pour saisir les données au niveau des ménages. (Voir (en anglais) De Weerdt et al., 2015, tableau 2, https://feb.kuleuven.be/drc/licos/publications/dp/DP%20365%20Complete.pdf). Une analyse détaillée d'une récente enquête sur le budget des ménages au Brésil a révélé que les aliments fournis gratuitement dans le cadre du programme de repas scolaires et consommés par les enfants à l'école n'avaient pas été pris en compte parmi les sources de consommation alimentaire des ménages, ce qui explique un biais à la baisse de la consommation énergétique alimentaire quotidienne moyenne par habitant de 674 kcal. (Voir Borlizzi, Cafiero & Del Grossi, à paraître). </p>\n<p>Les estimations de la consommation énergétique alimentaire provenant des bilans alimentaires peuvent également être affectées par des erreurs, bien qu'il soit difficile d'établir la direction du biais. Comme la disponibilité alimentaire moyenne est un résidu de la méthode du bilan financier, toute erreur dans la production, le commerce et les stocks déclarés peut affecter les estimations de la disponibilité alimentaire nationale. De plus, des erreurs peuvent être introduites par la difficulté de comptabiliser correctement toutes les formes d'utilisation des produits alimentaires. Dans la mesure où toutes ces erreurs ne sont pas corrélées, l'impact sur la consommation alimentaire moyenne estimée sera toutefois inférieur à ce que chacune des erreurs, considérée séparément, pourrait impliquer. Néanmoins, compte tenu de la difficulté de comptabiliser avec précision les variations des réserves nationales de denrées alimentaires, pour lesquelles les données officielles peuvent être peu fiables, il est admis que la variation annuelle estimée des stocks est sujette à une incertitude considérable qui est transférée à la consommation énergétique alimentaire estimée pour chaque année donnée.</p>\n<p>Pour limiter l'impact de ces erreurs, la FAO a toujours présenté les estimations de la prévalence de la sous-alimentation au niveau national en tant que moyennes sur trois ans, en partant du principe que les erreurs induites par un enregistrement imprécis des variations des stocks au cours d'une année donnée pourraient être fortement réduites si l'on considère une moyenne sur trois années consécutives.</p>\n<p>Les données d'enquête sont la seule source permettant d'estimer le CV. Tel que décrit dans la section des métadonnées sur la méthode de calcul, à moins d'être obtenues à partir d'enquêtes de haute qualité sur les apports alimentaires individuels, les données doivent être traitées de manière à réduire le biais à la hausse probable dans les estimations du CV qui serait introduit par la variabilité fausse due aux erreurs de mesure des apports énergétiques alimentaires individuels habituels.</p>\n<p>3. Comparabilité </p>\n<p>Si la même méthode de calcul est utilisée, la comparabilité dans le temps et l'espace est relativement élevée, la seule cause potentielle d'inhomogénéité se trouvant dans la qualité différente des données de base. </p>\n<p>4. Limites</p>\n<p>En raison de la nature probabiliste de l'inférence et des marges d'incertitude associées aux estimations de chacun des paramètres du modèle, la précision des estimations des prévalences de sous-alimentation est généralement faible. Même s'il n'est pas possible de calculer les marges d'erreur théoriques pour les estimations de la prévalence de la sous-alimentation, celles-ci dépasseraient très probablement plus ou moins 2,5 % dans la plupart des cas. C'est pourquoi la FAO ne publie des estimations de la prévalence de la sous-alimentation au niveau national que lorsqu'elles sont supérieures à 2,5 %. Cela suggère également que 2,5 % est l'objectif le plus bas qui puisse être fixé pour l'indicateur de la prévalence de la sous-alimentation, une valeur qui est trop élevée lorsque l'ambition est d'éradiquer complètement le fléau de la faim.</p>\n<p>Si aucune enquête recueillant des données sur la consommation alimentaire et représentative au niveau infranational n'est disponible, l'indicateur ne peut être calculé qu'au niveau national.</p>", "details": { "state": 10, "source": "<p>Over the years, the parametric approach informing the computation of the PoU has been criticized, based on the presumptions that undernourishment should be assessed necessarily starting at the individual level, by comparing individual energy requirements with individual energy intakes. According to such a view, the prevalence of undernourishment could be simply computed by counting the number of individuals in a representative sample of the population that is classified as undernourished, based on a comparison of individual habitual food consumption and requirements. </p>\n<p>Unfortunately, such an approach is not feasible for two reasons: first, due to the cost of individual dietary intake surveys, individual food consumption is measured only in a few countries, every several years, on relatively small samples; moreover, individual energy requirements are practically unobservable with standard data collection methods (to the point that observed habitual energy consumption of individuals in a healthy status is still the preferred way to infer individual energy requirements). This means that even if it were possible to obtain accurate observations of the individual dietary energy consumption, this would be insufficient to infer on the undernourishment condition at individual level, unless integrated by the observation on the physical status (body mass index) and of its dynamic over time, of the same individual. </p>\n<p>The model-based approach to estimate the PoU developed by FAO integrates information that is available with sufficient regularity from different sources for most countries in the world, in a theoretically consistent way, thus providing what is still one of the most reliable tools to monitor progress towards reducing global hunger. </p>\n<p>Further specific consideration </p>\n<p>1. Feasibility </p>\n<p>Estimation of PoU at national level has been feasible for most countries in the world since 1999. In the worst case scenario, when no data on food consumption was available from a recent household survey, the model-based estimate of the PoU is informed by an estimate of mean level of dietary energy consumption (DEC) from Food Balance Sheets (FBS), an indirect estimate of the coefficient of variation (CV) based on information on the country’s GDP, Gini coefficient of Income, an index of the relative price of food, or other indicators of development such as country’s Under 5 Mortality Rate, and an estimate of the Minimum Dietary Energy Requirement (MDER) based on the UN Population Division’s World Population Prospects data. </p>\n<p>2. Reliability </p>\n<p>Reliability mostly depends on the quality of the data used to inform the estimation of the model’s parameters. </p>\n<p>DEC could be estimated either from survey data or from food balances. Neither source is devoid of problems. When comparing estimates of national DEC from FBS and from surveys, differences are frequently noted. </p>\n<p>DEC estimates from survey data can be affected by systematic measurement errors due to under-reporting of food consumption, or to incomplete recording of all food consumption sources. Recent research shows that a negative bias of up to more than 850 kcal can be induced on the estimated daily per capita caloric consumption can be induced by the type of food consumption module chosen to capture the data at the household level. (See De Weerdt et al., 2015, Table 2, <a href=\"https://feb.kuleuven.be/drc/licos/publications/dp/DP%20365%20Complete.pdf\">https://feb.kuleuven.be/drc/licos/publications/dp/DP%20365%20Complete.pdf</a>). A detailed analysis of a recent Household Budget Survey in Brazil revealed how food provided for free through the school meals program and consumed by children while at school, had not been accounted among the sources of household food consumption, accounting for a downward bias of the average per capita daily dietary energy consumption of 674 kcal. (See Borlizzi, Cafiero & Del Grossi, forthcoming.) </p>\n<p>DEC estimates from Food Balance Sheets can also be affected by errors, though it is difficult to establish the direction of induced bias. As average food availability is a residual in the FBS method, any errors in reported production, trade, and stocks might affect the estimates of national food availability. Moreover, errors might be induced by the difficulty in properly accounting for all forms of food commodity utilization. To the extent that all these errors are uncorrelated, though, the impact on the estimated average food consumption will be lower than each of the errors, considered separately, might imply. Nevertheless, considering how problematic it is to precisely account for variations in national reserves of food commodities, for which official data may be unreliable, it is recognized that the estimated annual stock variation is prone to considerable uncertainty that would be transferred to the estimated DEC in each given year. </p>\n<p>To limit the impact of such errors, FAO has traditionally presented estimates of PoU at national level as three-year averages, on the presumption that errors induced by imprecise recording of stocks variations in each single year might be highly reduced when considering an average over three consecutive years. </p>\n<p>Survey data are the only source to estimate the CV. As described in the section of metadata on the method of computation, unless obtained from high quality individual dietary intake surveys, data needs to be treated to reduce the likely upward bias in the estimates of the CV that would be induced by the spurious variability due to errors in measuring individual habitual dietary energy intake. </p>\n<p>3. Comparability </p>\n<p>If the same method of computation is used, comparability across time and space is relatively high, with the only potential cause of inhomogeneity found in the different quality of the background data. </p>\n<p>4. Limitations </p>\n<p>Due to the probabilistic nature of the inference and the margins of uncertainty associated with estimates of each of the parameters in the model, the precision of the PoU estimates is generally low. Even though it is not possible to compute theoretical Margins of Error (MoE) for PoU estimates, these would very likely exceed plus or minus 2.5% in most cases. For this reason, FAO publishes national level PoU estimates only when they are larger than 2.5%. This also suggests that 2.5% is the lowest feasible target that can be set for the PoU indicator, a value that is unsatisfactorily large when the ambition is to fully eradicate the scourge of hunger. </p>\n<p>If no survey is available that collects food consumption data and that is representative at subnational level, the indicator can only be computed at national level."</p>", "old_state": 20 }, "id": 23102172, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102172/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681544/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.461019+02:00", "action": 30, "target": "<p>Over the years, the parametric approach informing the computation of the PoU has been criticized, based on the presumptions that undernourishment should be assessed necessarily starting at the individual level, by comparing individual energy requirements with individual energy intakes. According to such a view, the prevalence of undernourishment could be simply computed by counting the number of individuals in a representative sample of the population that is classified as undernourished, based on a comparison of individual habitual food consumption and requirements. </p>\n<p>Unfortunately, such an approach is not feasible for two reasons: first, due to the cost of individual dietary intake surveys, individual food consumption is measured only in a few countries, every several years, on relatively small samples; moreover, individual energy requirements are practically unobservable with standard data collection methods (to the point that observed habitual energy consumption of individuals in a healthy status is still the preferred way to infer individual energy requirements). This means that even if it were possible to obtain accurate observations of the individual dietary energy consumption, this would be insufficient to infer on the undernourishment condition at individual level, unless integrated by the observation on the physical status (body mass index) and of its dynamic over time, of the same individual. </p>\n<p>The model-based approach to estimate the PoU developed by FAO integrates information that is available with sufficient regularity from different sources for most countries in the world, in a theoretically consistent way, thus providing what is still one of the most reliable tools to monitor progress towards reducing global hunger. </p>\n<p>Further specific consideration </p>\n<p>1. Feasibility </p>\n<p>Estimation of PoU at national level has been feasible for most countries in the world since 1999. In the worst case scenario, when no data on food consumption was available from a recent household survey, the model-based estimate of the PoU is informed by an estimate of mean level of dietary energy consumption (DEC) from Food Balance Sheets (FBS), an indirect estimate of the coefficient of variation (CV) based on information on the country’s GDP, Gini coefficient of Income, an index of the relative price of food, or other indicators of development such as country’s Under 5 Mortality Rate, and an estimate of the Minimum Dietary Energy Requirement (MDER) based on the UN Population Division’s World Population Prospects data. </p>\n<p>2. Reliability </p>\n<p>Reliability mostly depends on the quality of the data used to inform the estimation of the model’s parameters. </p>\n<p>DEC could be estimated either from survey data or from food balances. Neither source is devoid of problems. When comparing estimates of national DEC from FBS and from surveys, differences are frequently noted. </p>\n<p>DEC estimates from survey data can be affected by systematic measurement errors due to under-reporting of food consumption, or to incomplete recording of all food consumption sources. Recent research shows that a negative bias of up to more than 850 kcal can be induced on the estimated daily per capita caloric consumption can be induced by the type of food consumption module chosen to capture the data at the household level. (See De Weerdt et al., 2015, Table 2, <a href=\"https://feb.kuleuven.be/drc/licos/publications/dp/DP%20365%20Complete.pdf\">https://feb.kuleuven.be/drc/licos/publications/dp/DP%20365%20Complete.pdf</a>). A detailed analysis of a recent Household Budget Survey in Brazil revealed how food provided for free through the school meals program and consumed by children while at school, had not been accounted among the sources of household food consumption, accounting for a downward bias of the average per capita daily dietary energy consumption of 674 kcal. (See Borlizzi, Cafiero & Del Grossi, forthcoming.) </p>\n<p>DEC estimates from Food Balance Sheets can also be affected by errors, though it is difficult to establish the direction of induced bias. As average food availability is a residual in the FBS method, any errors in reported production, trade, and stocks might affect the estimates of national food availability. Moreover, errors might be induced by the difficulty in properly accounting for all forms of food commodity utilization. To the extent that all these errors are uncorrelated, though, the impact on the estimated average food consumption will be lower than each of the errors, considered separately, might imply. Nevertheless, considering how problematic it is to precisely account for variations in national reserves of food commodities, for which official data may be unreliable, it is recognized that the estimated annual stock variation is prone to considerable uncertainty that would be transferred to the estimated DEC in each given year. </p>\n<p>To limit the impact of such errors, FAO has traditionally presented estimates of PoU at national level as three-year averages, on the presumption that errors induced by imprecise recording of stocks variations in each single year might be highly reduced when considering an average over three consecutive years. </p>\n<p>Survey data are the only source to estimate the CV. As described in the section of metadata on the method of computation, unless obtained from high quality individual dietary intake surveys, data needs to be treated to reduce the likely upward bias in the estimates of the CV that would be induced by the spurious variability due to errors in measuring individual habitual dietary energy intake. </p>\n<p>3. Comparability </p>\n<p>If the same method of computation is used, comparability across time and space is relatively high, with the only potential cause of inhomogeneity found in the different quality of the background data. </p>\n<p>4. Limitations </p>\n<p>Due to the probabilistic nature of the inference and the margins of uncertainty associated with estimates of each of the parameters in the model, the precision of the PoU estimates is generally low. Even though it is not possible to compute theoretical Margins of Error (MoE) for PoU estimates, these would very likely exceed plus or minus 2.5% in most cases. For this reason, FAO publishes national level PoU estimates only when they are larger than 2.5%. This also suggests that 2.5% is the lowest feasible target that can be set for the PoU indicator, a value that is unsatisfactorily large when the ambition is to fully eradicate the scourge of hunger. </p>\n<p>If no survey is available that collects food consumption data and that is representative at subnational level, the indicator can only be computed at national level."</p>", "old": "<p>Over the years, the parametric approach informing the computation of the PoU has been criticized, based on the presumptions that undernourishment should be assessed necessarily starting at the individual level, by comparing individual energy requirements with individual energy intakes. According to such view, the prevalence of undernourishment could be simply computed by counting the number of individuals in a representative sample of the population that is classified as undernourished, based on a comparison of individual habitual food consumption and requirements. Unfortunately, such approach is not feasible for two reasons: first, due to the cost of individual dietary intake surveys, individual food consumption is measured only in a few countries, every several years, on relatively small samples; moreover, individual energy requirements are practically unobservable with standard data collection methods (to the point that observed habitual energy consumption of individuals in a healthy status is still the preferred way to infer individual energy requirements). This means that even if it were possible to obtain accurate observations of the individual dietary energy consumption, this would be insufficient to infer on the undernourishment condition at individual level, unless integrated by the observation on the physical status (body mass index) and of its dynamic over time, of the same individual. </p>\n<p>The model based approach to estimate the PoU developed by FAO integrates information that is available with sufficient regularity from different sources for most countries in the world, in a theoretically consistent way, thus providing what is still one of the most reliable tools to monitor progress towards reducing global hunger. </p>\n<p>Further specific consideration </p>\n<p>1. Feasibility </p>\n<p>Estimation of PoU at national level has been feasible for most countries in the world since 1999. In the worst case scenario, when no data on food consumption was available from a recent household survey, the model-based estimate of the PoU is informed by an estimate of mean level of dietary energy consumption (DEC) from Food Balance Sheets (FBS), an indirect estimate of the coefficient of variation (CV) based on information on the country’s GDP, Gini coefficient of Income, an index of the relative price of food, or other indicators of development such as country’s Under 5 Mortality Rate, and an estimate of the Minimum Dietary Energy Requirement (MDER) based on the UN Population Division’s World Population Prospects data. </p>\n<p>2. Reliability </p>\n<p>Reliability mostly depends on the quality of the data used to inform the estimation of the model’s parameters. </p>\n<p>DEC could be estimated either from survey data or from food balances. Neither source is devoid of problems. When comparing estimates of national DEC from FBS and from surveys, differences are frequently noted. </p>\n<p>DEC estimates from survey data can be affected by systematic measurement errors due to under-reporting of food consumption, or to incomplete recording of all food consumption sources. Recent research shows that a negative bias of up to more than 850 kcal can be induced on the estimated daily per capita caloric consumption can be induced by the type of food consumption module chosen to capture the data at the household level. (See De Weerdt et al., 2015, Table 2, https://feb.kuleuven.be/drc/licos/publications/dp/DP%20365%20Complete.pdf ). A detailed analysis of a recent Household Budget Survey in Brazil revealed how food provided for free through the school meals program and consumed by children while at school, had not been accounted among the sources of household food consumption, accounting for a downward bias of the average per capita daily dietary energy consumption of 674 kcal. (See Borlizzi, Cafiero & Del Grossi, forthcoming.) </p>\n<p>DEC estimates from Food Balance Sheets can also be affected by errors, though it is difficult to establish the direction of induced bias. As average food availability is a residual in the FBS method, any errors in reported production, trade, and stocks might affect the estimates of national food availability. Moreover, errors might be induced by the difficulty in properly accounting for all forms of food commodity utilization. To the extent that all these errors are uncorrelated, though, the impact on the estimated average food consumption will be lower than each of the errors, considered separately, might imply. Nevertheless, considering how problematic it is to precisely account for variations in national reserves of food commodities, for which official data may be unreliable, it is recognized that the estimated annual stock variation is prone to considerable uncertainty that would be transferred to the estimated DEC in each given year. </p>\n<p>To limit the impact of such errors, FAO has traditionally presented estimates of PoU at national level as three-year averages, on the presumption that errors induced by imprecise recording of stocks variations in each single year might be highly reduced when considering an average over three consecutive years. </p>\n<p>Survey data are the only source to estimate the CV. As described in the section of metadata on the method of computation, unless obtained from high quality individual dietary intake surveys, data needs to be treated to reduce the likely upward bias in the estimates of the CV that would be induced by the spurious variability due to errors in measuring individual habitual dietary energy intake. </p>\n<p>3. Comparability </p>\n<p>If the same method of computation is used, comparability across time and space is relatively high, with the only potential cause of inhomogeneity found in the different quality of the background data. </p>\n<p>4. Limitations </p>\n<p>Due to the probabilistic nature of the inference and the margins of uncertainty associated with estimates of each of the parameters in the model, the precision of the PoU estimates is generally low. Even though it is not possible to compute theoretical Margins of Error (MoE) for PoU estimates, these would very likely exceed plus or minus 2.5% in most cases. For this reason, FAO publishes national level PoU estimates only when they are larger than 2.5%. This also suggests that 2.5% is the lowest feasible target that can be set for the PoU indicator, a value that is unsatisfactorily large when the ambition is to fully eradicate the scourge of hunger. </p>\n<p>If no survey is available that collects food consumption data and that is representative at subnational level, the indicator can only be computed at national level."</p>", "details": {}, "id": 23102171, "action_name": "Source string changed", "url": "https://hosted.weblate.org/api/changes/23102171/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/43798593/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.460908+02:00", "action": 59, "target": "<p>Le Bureau du statisticien en chef de la FAO gère le Groupe de travail interministériel sur les indicateurs des ODD sous la tutelle de la FAO et identifie un point focal pour chacun d’eux. Le chef de l’Équipe des statistiques sur la sécurité alimentaire et la nutrition de la Division de statistique est officiellement nommé personne responsable de la collecte, du traitement et de la diffusion des statistiques pour cet indicateur. </p>", "old": "<p>Le Bureau du statisticien en chef de la FAO gère le Groupe de travail interministériel sur les indicateurs des ODD sous la tutelle de la FAO et identifie un point focal pour chacun d’eux. Le chef de l’Équipe des statistiques sur la sécurité alimentaire et la nutrition de la Division de statistique est officiellement nommé personne responsable de la collecte, du traitement et de la diffusion des statistiques pour cet indicateur. </p>", "details": { "state": 10, "source": "<p>The Office of the Chief Statistician of FAO manages the Interdepartmental Working Group on SDG indicators under the FAO custodianship and identifies a focal point for each of them. The team leader of the Food Security and Nutrition Statistics Team of the Statistics Division is formally appointed as the focal person for the collection, processing, and dissemination of statistics for this indicator. </p>", "old_state": 20 }, "id": 23102170, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102170/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/43798593/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.460829+02:00", "action": 30, "target": "<p>The Office of the Chief Statistician of FAO manages the Interdepartmental Working Group on SDG indicators under the FAO custodianship and identifies a focal point for each of them. The team leader of the Food Security and Nutrition Statistics Team of the Statistics Division is formally appointed as the focal person for the collection, processing, and dissemination of statistics for this indicator. </p>", "old": "<p>The Office of the Chief Statistician of FAO manages the Interdepartmental Working Group on SDG indicators under the FAO custodianship, and identifies a focal point for each of them. The team leader of the Food Security and Nutrition Statistics Team of the Statistics Division is formally appointed as the focal person for the collection, processing, and dissemination of statistics for this indicator. </p>", "details": {}, "id": 23102169, "action_name": "Source string changed", "url": "https://hosted.weblate.org/api/changes/23102169/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681529/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.460747+02:00", "action": 59, "target": "<p>Juillet 2021</p>", "old": "<p>Juillet 2021</p>", "details": { "state": 10, "source": "<p>Data are released each year alongside the <em>State of Food Security and Nutrition in the World</em> report, usually in mid-July. </p>", "old_state": 20 }, "id": 23102168, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102168/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681529/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.460676+02:00", "action": 30, "target": "<p>Data are released each year alongside the <em>State of Food Security and Nutrition in the World</em> report, usually in mid-July. </p>", "old": "<p>July 2021 </p>", "details": {}, "id": 23102167, "action_name": "Source string changed", "url": "https://hosted.weblate.org/api/changes/23102167/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681519/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.460569+02:00", "action": 59, "target": "<p>La source de données idéale pour estimer la prévalence de la sous-alimentation serait une enquête sur l'apport alimentaire individuel, soigneusement conçue et habilement menée, dans laquelle la consommation alimentaire quotidienne réelle, ainsi que la taille et le poids de chaque personne interrogée, sont mesurés de manière répétée sur un échantillon représentatif de la population cible. Toutefois, en raison de leur coût, ces enquêtes sont rares.</p>\n<p>En principe, une enquête auprès des ménages bien conçue et recueillant des informations sur les acquisitions alimentaires pourrait être suffisante pour fournir une estimation fiable de la prévalence de la sous-alimentation dans une population, à un coût raisonnable et avec la périodicité nécessaire pour éclairer le processus de suivi des ODD, à condition que : </p>\n<ol>\n <li>Toutes les sources de consommation alimentaire de tous les membres des ménages\nsoient correctement comptabilisées, y compris les aliments consommés hors du domicile;</li>\n <li>Des informations suffisantes soient disponibles pour convertir les données\nsur la consommation alimentaire ou sur les dépenses alimentaires en contribution à l'apport énergétique alimentaire; </li>\n <li>Les méthodes appropriées de calcul de la prévalence de la sous-alimentation\nsoient utilisées pour contrôler la variabilité excessive des niveaux estimés de consommation alimentaire habituelle des ménages, en tenant compte de la variabilité normale de la distribution de la consommation alimentaire entre les individus, liée aux différences de besoins énergétiques des membres de la population. </li> </ol> <p>Des exemples d'enquêtes qui pourraient être envisagées à cette fin comprennent les enquêtes menées pour calculer des statistiques économiques et effectuer des évaluations de la pauvreté, telles que les enquêtes sur les revenus et les dépenses des ménages, les enquêtes sur le budget des ménages et les enquêtes sur la mesure du niveau de vie. </p>\n<p>Dans la pratique, cependant, il est souvent impossible, et déconseillé, de se fier uniquement aux données collectées dans le cadre d'une enquête auprès des ménages, car les informations nécessaires pour estimer les quatre paramètres du modèle de prévalence de la sous-alimentation sont soit manquantes, soit imprécises. </p>\n<p>Les données sur la consommation alimentaire de l'enquête sur les ménages doivent souvent être supportées par des : </p>\n<p>a) données sur la structure démographique de la population concernée par sexe et âge; </p>\n<p>b) données ou informations sur la taille médiane des individus de chaque sexe et tranche d'âge; </p>\n<p>c) données sur la distribution des niveaux d'activité physique dans la population;</p>\n<p>d) données alternatives sur les quantités totales d'aliments disponibles pour la consommation humaine, afin de corriger les biais dans l'estimation de la consommation énergétique alimentaire quotidienne moyenne nationale de la population. </p>\n<p>Les données pour a), b) et c) pourraient être disponibles par le biais d'une même enquête polyvalente fournissant des données sur la consommation alimentaire, mais sont plus probablement disponibles auprès d'autres sources, telles que les enquêtes nationales sur la démographie et la santé (pour a) et b)) et les enquêtes sur l'emploi du temps (pour c)).</p>\n<p>La correction du biais dans l'estimation de la consommation énergétique alimentaire quotidienne moyenne pourrait devoir être basée sur d'autres sources de consommation alimentaire, telles que les comptes globaux d'approvisionnement et d'utilisation des aliments et les bilans alimentaires. </p>\n<p>Pour étayer son estimation des prévalences de la sous-alimentation aux niveaux national, régional et mondial, en plus de toutes les enquêtes auprès des ménages pour lesquelles il est possible d'obtenir des microdonnées sur la consommation alimentaire, la FAO s'appuie sur : </p>\n<p>a) UN Population Division's World Population Prospects (en anglais) (<a href=\"https://esa.un.org/unpd/wpp/Download/Standard/Population/\">https://esa.un.org/unpd/wpp/Download/Standard/Population/</a>), qui fournit des estimations actualisées des structures de la population nationale par sexe et âge tous les deux ans pour la plupart des pays du monde; </p>\n<p>b) Les bilans alimentaires du FAO (http://www.fao.org/faostat/fr/#data), qui fournissent chaque année des estimations actualisées des disponibilités alimentaires nationales pour la plupart des pays du monde.</p>\n<p>Les microdonnées provenant des enquêtes auprès des ménages recueillant des données sur la consommation alimentaire sont fournies à la FAO directement par les bureaux nationaux de statistique (BNS), ou via leurs sites Internet ou des accords bilatéraux spécifiques.</p>", "old": "<p>La source de données idéale pour estimer la prévalence de la sous-alimentation serait une enquête sur l'apport alimentaire individuel, soigneusement conçue et habilement menée, dans laquelle la consommation alimentaire quotidienne réelle, ainsi que la taille et le poids de chaque personne interrogée, sont mesurés de manière répétée sur un échantillon représentatif de la population cible. Toutefois, en raison de leur coût, ces enquêtes sont rares.</p>\n<p>En principe, une enquête auprès des ménages bien conçue et recueillant des informations sur les acquisitions alimentaires pourrait être suffisante pour fournir une estimation fiable de la prévalence de la sous-alimentation dans une population, à un coût raisonnable et avec la périodicité nécessaire pour éclairer le processus de suivi des ODD, à condition que : </p>\n<ol>\n <li>Toutes les sources de consommation alimentaire de tous les membres des ménages soient correctement comptabilisées, y compris les aliments consommés hors du domicile;</li>\n <li>Des informations suffisantes soient disponibles pour convertir les données sur la consommation alimentaire ou sur les dépenses alimentaires en contribution à l'apport énergétique alimentaire; </li>\n <li>Les méthodes appropriées de calcul de la prévalence de la sous-alimentation soient utilisées pour contrôler la variabilité excessive des niveaux estimés de consommation alimentaire habituelle des ménages, en tenant compte de la variabilité normale de la distribution de la consommation alimentaire entre les individus, liée aux différences de besoins énergétiques des membres de la population. </li> </ol>\n<p>Des exemples d'enquêtes qui pourraient être envisagées à cette fin comprennent les enquêtes menées pour calculer des statistiques économiques et effectuer des évaluations de la pauvreté, telles que les enquêtes sur les revenus et les dépenses des ménages, les enquêtes sur le budget des ménages et les enquêtes sur la mesure du niveau de vie. </p>\n<p>Dans la pratique, cependant, il est souvent impossible, et déconseillé, de se fier uniquement aux données collectées dans le cadre d'une enquête auprès des ménages, car les informations nécessaires pour estimer les quatre paramètres du modèle de prévalence de la sous-alimentation sont soit manquantes, soit imprécises. </p>\n<p>Les données sur la consommation alimentaire de l'enquête sur les ménages doivent souvent être supportées par des : </p>\n<p>a) données sur la structure démographique de la population concernée par sexe et âge; </p>\n<p>b) données ou informations sur la taille médiane des individus de chaque sexe et tranche d'âge; </p>\n<p>c) données sur la distribution des niveaux d'activité physique dans la population;</p>\n<p>d) données alternatives sur les quantités totales d'aliments disponibles pour la consommation humaine, afin de corriger les biais dans l'estimation de la consommation énergétique alimentaire quotidienne moyenne nationale de la population. </p>\n<p>Les données pour a), b) et c) pourraient être disponibles par le biais d'une même enquête polyvalente fournissant des données sur la consommation alimentaire, mais sont plus probablement disponibles auprès d'autres sources, telles que les enquêtes nationales sur la démographie et la santé (pour a) et b)) et les enquêtes sur l'emploi du temps (pour c)).</p>\n<p>La correction du biais dans l'estimation de la consommation énergétique alimentaire quotidienne moyenne pourrait devoir être basée sur d'autres sources de consommation alimentaire, telles que les comptes globaux d'approvisionnement et d'utilisation des aliments et les bilans alimentaires. </p>\n<p>Pour étayer son estimation des prévalences de la sous-alimentation aux niveaux national, régional et mondial, en plus de toutes les enquêtes auprès des ménages pour lesquelles il est possible d'obtenir des microdonnées sur la consommation alimentaire, la FAO s'appuie sur : </p>\n<p>a) UN Population Division's World Population Prospects (en anglais) (<a href=\"https://esa.un.org/unpd/wpp/Download/Standard/Population/\">https://esa.un.org/unpd/wpp/Download/Standard/Population/</a>), qui fournit des estimations actualisées des structures de la population nationale par sexe et âge tous les deux ans pour la plupart des pays du monde; </p>\n<p>b) Les bilans alimentaires du FAO (http://www.fao.org/faostat/fr/#data), qui fournissent chaque année des estimations actualisées des disponibilités alimentaires nationales pour la plupart des pays du monde.</p>\n<p>Les microdonnées provenant des enquêtes auprès des ménages recueillant des données sur la consommation alimentaire sont fournies à la FAO directement par les bureaux nationaux de statistique (BNS), ou via leurs sites Internet ou des accords bilatéraux spécifiques.</p>", "details": { "state": 20, "source": "<p>The ideal source of data to estimate the PoU would be a carefully designed and skillfully conducted individual dietary intake survey, in which actual daily food consumption, together with heights and weights for each surveyed individual, are repeatedly measured on a sample that is representative of the target population. Due to their cost, however, such surveys are rare.</p>\n<p>In principle, a well-designed household survey that collects information on food acquisitions might be sufficient to inform a reliable estimate of the Prevalence of Undernourishment (PoU) in a population, at a reasonable cost and with the necessary periodicity to inform the SDG monitoring process, provided that: </p>\n<ol>\n <li>All sources of food consumption for all members of the households are properly accounted for, including, in particular, food that is consumed away from home; </li>\n <li>Sufficient information is available to convert the data on food consumption or on food expenditures into their contribution to dietary energy intake; </li>\n <li>The proper methods to compute the PoU are used, to control for excess variability in the estimated levels of habitual food consumption across households, allowing for the presence on normal variability in the distribution of food consumption across individuals, induced by the differences in energy requirements of the members of the population. </li>\n</ol>\n<p>Examples of surveys that could be considered for this purpose include surveys conducted to compute economic statistics and conduct poverty assessments, such as Household Income and Expenditure Surveys, Household Budget Surveys and Living Standard Measurement Surveys. </p>\n<p>In practice, however, it is often impossible, and not advisable, to rely only on data collected through a household survey, as the information needed to estimate the four parameters of the PoU model is either missing or imprecise. </p>\n<p>Household Survey food consumption data often must be integrated by </p>\n<p>a) Data on the demographic structure of the population of interest by sex and age; </p>\n<p>b) Data or information on the median height of individuals in each sex and age class; </p>\n<p>c) Data on the distribution of physical activity levels in the population; </p>\n<p>d) Alternative data on the total amounts of food available for human consumption, to correct for biases in the estimate of the national average daily dietary energy consumption in the population. </p>\n<p>Data for a), b) and c) could be available through the same multipurpose survey that provides food consumption data, but are more likely available from other sources, such as National Demographic and Health Surveys (for a) and b)) and Time Use Surveys (for c)). </p>\n<p>Correcting for bias in the estimated average daily dietary energy consumption might need to be based on alternative sources on food consumption, such as aggregate food supply and utilization accounts and food balance sheets. </p>\n<p>To inform its estimate of PoU at national, regional and global level, in addition to all household surveys for which it is possible to obtain micro data on food consumption, FAO relies on: </p>\n<p>a) UN Population Division’s World Population Prospects (https://esa.un.org/unpd/wpp/Download/Standard/Population/), which provide updated estimates of the structures of the national population by sex and age every two years for most countries in the world; </p>\n<p>b) FAO Food Balance Sheets (http://www.fao.org/faostat/en/#data), which provides updated estimates of the national availability of food every year for most countries in the world.</p>\n<p>Micro data from household surveys that collect food consumption data are sourced by FAO directly through the National Statistical Agencies’ websites, or through specific bilateral agreements. </p>", "old_state": 20 }, "id": 23102166, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102166/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/43798591/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.460492+02:00", "action": 59, "target": "<p>L'unité de la prévalence de la sous-alimentation est en pourcentage de la population totale. Un indicateur connexe, le nombre de personnes sous-alimentées, est mesuré en millions de personnes. </p>", "old": "<p>L'unité de la prévalence de la sous-alimentation est en pourcentage de la population totale. Un indicateur connexe, le nombre de personnes sous-alimentées, est mesuré en millions de personnes. </p>", "details": { "state": 10, "source": "<p>Prevalence of undernourishment: Percent (%) Number of undernourished people: Millions (of people) </p>", "old_state": 20 }, "id": 23102165, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102165/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/43798591/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.460417+02:00", "action": 30, "target": "<p>Prevalence of undernourishment: Percent (%) Number of undernourished people: Millions (of people) </p>", "old": "<p>The unit of the prevalence of undernourishment is percentage of the total population. A related indicator, the number of undernourished people, is measured as millions of people. </p>", "details": {}, "id": 23102164, "action_name": "Source string changed", "url": "https://hosted.weblate.org/api/changes/23102164/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681518/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.460322+02:00", "action": 59, "target": "<p><strong>Définition :</strong></p>\n<p>La prévalence de la sous-alimentation est une estimation de la proportion de la population dont la consommation alimentaire habituelle est insuffisante pour fournir les niveaux d'énergie nécessaires au maintien d'une vie normale, active et saine. Elle est exprimée en pourcentage.</p>\n<p><strong>Concepts :</strong></p> \n<p>La sous-alimentation est définie comme la condition dans laquelle une personne a accès, de façon régulière, à des quantités de nourriture qui sont insuffisantes pour lui fournir l'énergie nécessaire à la conduite d'une vie normale, saine et active, compte tenu de ses propres besoins énergétiques alimentaires. </p>\n<p>Bien que les termes soient étroitement liés, la « sous-alimentation » telle que définie ici est différente des concepts de « malnutrition » et « dénutrition » car elle se réfère à la condition d'apport alimentaire insuffisant, plutôt qu'au résultat en termes de statut nutritionnel. </p>\n<p>Alors que la condition de sous-alimentation s'applique à des individus, l'indicateur fait référence à une population, ou à un groupe d'individus, pour des raisons conceptuelles ou liées aux données. La prévalence de la sous-alimentation est donc une estimation du pourcentage d'individus à l'intérieur d'un groupe qui sont dans cette situation, mais elle ne permet pas de déterminer quels individus du groupe sont effectivement sous-alimentés. </p>", "old": "<p><strong>Définition :</strong></p>\n<p>La prévalence de la sous-alimentation est une estimation de la proportion de la population dont la consommation alimentaire habituelle est insuffisante pour fournir les niveaux d'énergie nécessaires au maintien d'une vie normale, active et saine. Elle est exprimée en pourcentage.</p>\n<p><strong>Concepts :</strong></p> \n<p>La sous-alimentation est définie comme la condition dans laquelle une personne a accès, de façon régulière, à des quantités de nourriture qui sont insuffisantes pour lui fournir l'énergie nécessaire à la conduite d'une vie normale, saine et active, compte tenu de ses propres besoins énergétiques alimentaires. </p>\n<p>Bien que les termes soient étroitement liés, la « sous-alimentation » telle que définie ici est différente des concepts de « malnutrition » et « dénutrition » car elle se réfère à la condition d'apport alimentaire insuffisant, plutôt qu'au résultat en termes de statut nutritionnel. </p>\n<p>Alors que la condition de sous-alimentation s'applique à des individus, l'indicateur fait référence à une population, ou à un groupe d'individus, pour des raisons conceptuelles ou liées aux données. La prévalence de la sous-alimentation est donc une estimation du pourcentage d'individus à l'intérieur d'un groupe qui sont dans cette situation, mais elle ne permet pas de déterminer quels individus du groupe sont effectivement sous-alimentés. </p>", "details": { "state": 20, "source": "<p><strong>Definition: </strong></p>\n<p>The prevalence of undernourishment (PoU) (French: pourcentage de sous-alimentation; Spanish: porcentaje de sub-alimentación; Italian: prevalenza di sotto-alimentazione) is an estimate of the proportion of the population whose habitual food consumption is insufficient to provide the dietary energy levels that are required to maintain a normal active and healthy life. It is expressed as a percentage.</p>\n<p><strong>Concepts: </strong></p>\n<p>Undernourishment is defined as the condition by which a person has access, on a regular basis, to the amount of food that are insufficient to provide the energy required for conducting a normal, healthy and active life, given his or her own dietary energy requirements. </p>\n<p>Though strictly related, “undernourishment” as defined here is different from the physical conditions of “malnutrition” and “undernutrition” as it refers to the condition of insufficient intake of food, rather than to the outcome in terms of nutritional status. In French, Spanish and Italian the difference is marked by the use of the terms alimentation, alimentación, or alimentazione, instead of nutrition, nutrición or nutrizione, in the name of the indicator. A more appropriate expression in English that would render the precise meaning of the indicator might have been “prevalence of under-feeding” but by now the term “undernourishment” has long been associated with the indicator. </p>\n<p>While the undernourishment condition applies to individuals, due to conceptual and data-related considerations, the indicator can only be referred to a population, or group of individuals. The prevalence of undernourishment is thus an estimate of the percentage of individuals in a group that are in that condition, but it does not allow for the identification of which individuals in the group are, in fact, undernourished. </p>", "old_state": 20 }, "id": 23102163, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102163/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681514/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.460245+02:00", "action": 59, "target": "<p>2021-02-01</p>", "old": "<p>2021-02-01</p>", "details": { "state": 10, "source": "2022-03-31", "old_state": 20 }, "id": 23102162, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102162/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681514/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.460167+02:00", "action": 30, "target": "2022-03-31", "old": "<p>2021-02-01</p>", "details": {}, "id": 23102161, "action_name": "Source string changed", "url": "https://hosted.weblate.org/api/changes/23102161/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/75046103/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/fr/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.460020+02:00", "action": 59, "target": "", "old": "", "details": { "state": 0, "source": "<p>Primary series: Prevalence of undernourishment</p>\n<p>Complementary series: Number of undernourished people</p>", "old_state": -1 }, "id": 23102160, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102160/?format=api" }, { "unit": null, "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/es/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.003969+02:00", "action": 0, "target": "", "old": "", "details": { "reason": "content changed", "filename": "translations-metadata/en/2-1-1.yml" }, "id": 23102159, "action_name": "Resource updated", "url": "https://hosted.weblate.org/api/changes/23102159/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681493/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/es/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.003889+02:00", "action": 59, "target": "<h1><u> </u>Referencias </h1>\n<h2>URL: </h2>\n<p><a href=\"http://www.fao.org/economic/ess/ess-fs/en/\">http://www.fao.org/economic/ess/ess-fs/en/</a> </p>\n<p><strong>Referencias: </strong></p>\n<p><a href=\"http://www.fao.org/docrep/012/w0931e/w0931e16.pdf%20\">http://www.fao.org/docrep/012/w0931e/w0931e16.pdf</a> </p>\n<p><a href=\"http://www.fao.org/docrep/005/Y4249E/y4249e06.htm%23bm06%20\">http://www.fao.org/docrep/005/Y4249E/y4249e06.htm#bm06</a> </p>\n<p><a href=\"http://www.fao.org/3/a-i4060e.pdf%20\">http://www.fao.org/3/a-i4060e.pdf</a> </p>\n<p><a href=\"http://www.fao.org/3/a-i4046e.pdf\">http://www.fao.org/3/a-i4046e.pdf</a> </p>", "old": "<h1><u> </u>Referencias </h1>\n<h2>URL: </h2>\n<p><a href=\"http://www.fao.org/economic/ess/ess-fs/en/\">http://www.fao.org/economic/ess/ess-fs/en/</a> </p>\n<p><strong>Referencias: </strong></p>\n<p><a href=\"http://www.fao.org/docrep/012/w0931e/w0931e16.pdf%20\">http://www.fao.org/docrep/012/w0931e/w0931e16.pdf</a> </p>\n<p><a href=\"http://www.fao.org/docrep/005/Y4249E/y4249e06.htm%23bm06%20\">http://www.fao.org/docrep/005/Y4249E/y4249e06.htm#bm06</a> </p>\n<p><a href=\"http://www.fao.org/3/a-i4060e.pdf%20\">http://www.fao.org/3/a-i4060e.pdf</a> </p>\n<p><a href=\"http://www.fao.org/3/a-i4046e.pdf\">http://www.fao.org/3/a-i4046e.pdf</a> </p>", "details": { "state": 10, "source": "<p><strong>URL: </strong></p>\n<p><a href=\"https://www.fao.org/food-agriculture-statistics/statistical-domains/food-security-and-nutrition/en/\">https://www.fao.org/food-agriculture-statistics/statistical-domains/food-security-and-nutrition/en/</a> </p>\n<p><strong>References: </strong></p>\n<p><a href=\"http://www.fao.org/docrep/012/w0931e/w0931e16.pdf\">http://www.fao.org/docrep/012/w0931e/w0931e16.pdf</a></p>\n<p><a href=\"http://www.fao.org/docrep/005/Y4249E/y4249e06.htm#bm06\">http://www.fao.org/docrep/005/Y4249E/y4249e06.htm#bm06</a></p>\n<p><a href=\"http://www.fao.org/3/a-i4060e.pdf\">http://www.fao.org/3/a-i4060e.pdf</a></p>\n<p><a href=\"http://www.fao.org/3/a-i4046e.pdf\">http://www.fao.org/3/a-i4046e.pdf</a></p>", "old_state": 10 }, "id": 23102158, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102158/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681493/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/es/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.003842+02:00", "action": 30, "target": "<p><strong>URL: </strong></p>\n<p><a href=\"https://www.fao.org/food-agriculture-statistics/statistical-domains/food-security-and-nutrition/en/\">https://www.fao.org/food-agriculture-statistics/statistical-domains/food-security-and-nutrition/en/</a> </p>\n<p><strong>References: </strong></p>\n<p><a href=\"http://www.fao.org/docrep/012/w0931e/w0931e16.pdf\">http://www.fao.org/docrep/012/w0931e/w0931e16.pdf</a></p>\n<p><a href=\"http://www.fao.org/docrep/005/Y4249E/y4249e06.htm#bm06\">http://www.fao.org/docrep/005/Y4249E/y4249e06.htm#bm06</a></p>\n<p><a href=\"http://www.fao.org/3/a-i4060e.pdf\">http://www.fao.org/3/a-i4060e.pdf</a></p>\n<p><a href=\"http://www.fao.org/3/a-i4046e.pdf\">http://www.fao.org/3/a-i4046e.pdf</a></p>", "old": "<p><strong>URL: </strong></p>\n<p>http://www.fao.org/economic/ess/ess-fs/en/ </p>\n<p><strong>References: </strong></p>\n<p>http://www.fao.org/docrep/012/w0931e/w0931e16.pdf </p>\n<p>http://www.fao.org/docrep/005/Y4249E/y4249e06.htm#bm06 </p>\n<p>http://www.fao.org/3/a-i4060e.pdf </p>\n<p>http://www.fao.org/3/a-i4046e.pdf </p>", "details": {}, "id": 23102157, "action_name": "Source string changed", "url": "https://hosted.weblate.org/api/changes/23102157/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681492/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/es/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.003785+02:00", "action": 59, "target": "<h2>Fuentes de discrepancia: </h2>\n<p>Muchos países han elaborado y notificado estimaciones de la prevalencia de la subnutrición, incluso en sus informes nacionales sobre los ODM, pero casi siempre utilizando una metodología diferente a la desarrollada por la FAO, lo que hace que las cifras nacionales no sean comparables con las notificadas por la FAO para el seguimiento mundial. </p>\n<p> El enfoque más común utilizado en la preparación de los informes nacionales ha sido el de calcular el porcentaje de hogares para los que el consumo medio de energía dietética diaria per cápita se encuentra por debajo de los umbrales basados en la Ingesta Dietética Recomendada diaria, normalmente fijada en 2.100,00 kcal, basándose en los datos de las encuestas de hogares. En algunos casos, también se han utilizado umbrales más bajos de alrededor de 1.400,00 kcal, probablemente como reacción al hecho de que el porcentaje de hogares que informaron de un consumo medio diario inferior a 2.100,00 kcal per cápita eran estimaciones inverosímiles de la prevalencia de la subalimentación. </p>\n<p>Casi sin excepción, no se hace ninguna consideración relacionada con la presencia de un exceso de variabilidad en los datos de consumo de energía alimentaria, y los informes revelan un progreso limitado o nulo en la reducción de la PoU a lo largo del tiempo. </p>\n<p> Como se discute en la sección sobre el método de cálculo, los resultados obtenidos a través de estos métodos alternativos son muy poco fiables y casi seguramente están sesgados hacia la sobreestimación. Por lo tanto, es aconsejable que se haga un esfuerzo concertado para abogar por el uso de los métodos de la FAO también en la preparación de los informes nacionales. La FAO está dispuesta a proporcionar todo el apoyo técnico necesario. </p>", "old": "<h2>Fuentes de discrepancia: </h2>\n<p>Muchos países han elaborado y notificado estimaciones de la prevalencia de la subnutrición, incluso en sus informes nacionales sobre los ODM, pero casi siempre utilizando una metodología diferente a la desarrollada por la FAO, lo que hace que las cifras nacionales no sean comparables con las notificadas por la FAO para el seguimiento mundial. </p>\n<p> El enfoque más común utilizado en la preparación de los informes nacionales ha sido el de calcular el porcentaje de hogares para los que el consumo medio de energía dietética diaria per cápita se encuentra por debajo de los umbrales basados en la Ingesta Dietética Recomendada diaria, normalmente fijada en 2.100,00 kcal, basándose en los datos de las encuestas de hogares. En algunos casos, también se han utilizado umbrales más bajos de alrededor de 1.400,00 kcal, probablemente como reacción al hecho de que el porcentaje de hogares que informaron de un consumo medio diario inferior a 2.100,00 kcal per cápita eran estimaciones inverosímiles de la prevalencia de la subalimentación. </p>\n<p>Casi sin excepción, no se hace ninguna consideración relacionada con la presencia de un exceso de variabilidad en los datos de consumo de energía alimentaria, y los informes revelan un progreso limitado o nulo en la reducción de la PoU a lo largo del tiempo. </p>\n<p> Como se discute en la sección sobre el método de cálculo, los resultados obtenidos a través de estos métodos alternativos son muy poco fiables y casi seguramente están sesgados hacia la sobreestimación. Por lo tanto, es aconsejable que se haga un esfuerzo concertado para abogar por el uso de los métodos de la FAO también en la preparación de los informes nacionales. La FAO está dispuesta a proporcionar todo el apoyo técnico necesario. </p>", "details": { "state": 10, "source": "<p><strong>Sources of discrepancies: </strong></p>\n<p>Many countries have produced and reported on estimates of the Prevalence of Undernourishment, including in their national MDG Reports, but almost invariably using a different methodology than the one developed by FAO, which makes national figures not comparable to those reported by FAO for global monitoring. </p>\n<p>The most common approach used in preparing national reports has been to calculate the percentage of households for which the average per capita daily dietary energy consumption is found to be below thresholds based on daily Recommended Dietary Intake, usually set at 2,100 kcal, based on household survey data. In some cases, also lower thresholds of around 1,400 kcal have been used, probably as a reaction to the fact that percentages of households reporting average daily consumption of less than 2,100 kcal per capita were implausibly high estimates of the prevalence of undernourishment. </p>\n<p>Almost without exception, no consideration related to the presence of excess variability in the dietary energy consumption data is made, and the reports reveal limited or no progress in the reduction of PoU over time. </p>\n<p>As discussed in the section on the method of computation, the results obtained through these alternative methods are highly unreliable and almost certainly biased toward overestimation. It is therefore advisable that a concerted effort is made to advocate for use of the FAO methods also in preparation of national reports. FAO stands ready to provide all necessary technical support.</p>", "old_state": 10 }, "id": 23102156, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102156/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681492/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/es/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.003738+02:00", "action": 30, "target": "<p><strong>Sources of discrepancies: </strong></p>\n<p>Many countries have produced and reported on estimates of the Prevalence of Undernourishment, including in their national MDG Reports, but almost invariably using a different methodology than the one developed by FAO, which makes national figures not comparable to those reported by FAO for global monitoring. </p>\n<p>The most common approach used in preparing national reports has been to calculate the percentage of households for which the average per capita daily dietary energy consumption is found to be below thresholds based on daily Recommended Dietary Intake, usually set at 2,100 kcal, based on household survey data. In some cases, also lower thresholds of around 1,400 kcal have been used, probably as a reaction to the fact that percentages of households reporting average daily consumption of less than 2,100 kcal per capita were implausibly high estimates of the prevalence of undernourishment. </p>\n<p>Almost without exception, no consideration related to the presence of excess variability in the dietary energy consumption data is made, and the reports reveal limited or no progress in the reduction of PoU over time. </p>\n<p>As discussed in the section on the method of computation, the results obtained through these alternative methods are highly unreliable and almost certainly biased toward overestimation. It is therefore advisable that a concerted effort is made to advocate for use of the FAO methods also in preparation of national reports. FAO stands ready to provide all necessary technical support.</p>", "old": "<p><strong>Sources of discrepancies: </strong></p>\n<p>Many countries have produced and reported on estimates of the Prevalence of Undernourishment, including in their national MDG Reports, but almost invariably using a different methodology than the one developed by FAO, which makes national figures not comparable to those reported by FAO for global monitoring. </p>\n<p>The most common approach used in preparing national reports has been to calculate the percentage of households for which the average per capita daily dietary energy consumption is found to be below thresholds based on daily Recommended Dietary Intake, usually set at 2,100.00 kcal, based on household survey data. In some cases, also lower thresholds of around 1,400.00 kcal have been used, probably as a reaction to the fact that percentages of households reporting average daily consumption of less than 2,100.00 kcal per capita were implausibly high estimates of the prevalence of undernourishment. </p>\n<p>Almost without exception, no consideration related to the presence of excess variability in the dietary energy consumption data is made, and the reports reveal limited or no progress in the reduction of PoU over time. </p>\n<p>As discussed in the section on the method of computation, the results obtained through these alternative methods are highly unreliable and almost certainly biased toward overestimation. It is therefore advisable that a concerted effort is made to advocate for use of the FAO methods also in preparation of national reports. FAO stands ready to provide all necessary technical support.</p>", "details": {}, "id": 23102155, "action_name": "Source string changed", "url": "https://hosted.weblate.org/api/changes/23102155/?format=api" }, { "unit": "https://hosted.weblate.org/api/units/29681491/?format=api", "component": "https://hosted.weblate.org/api/components/sdg-metadata/2-1-1/?format=api", "translation": "https://hosted.weblate.org/api/translations/sdg-metadata/2-1-1/es/?format=api", "user": null, "author": null, "timestamp": "2022-04-09T01:54:22.003676+02:00", "action": 59, "target": "<h1>Disponibilidad de datos </h1>\n<h2>Descripción: </h2>\n<p>Desde 2017, la FAO ha informado estimaciones separadas de PoU para 170 países, distribuidos de la siguiente manera: </p>\n<p>Mundo 170 </p>\n<p> África 45 </p>\n<p> África del Norte 5 </p>\n<p> África subsahariana 40 </p>\n<p> África Oriental 12 </p>\n<p> África Central 7 </p>\n<p> África meridional 5 </p>\n<p> África Occidental 16 </p>\n<p> Asia 42 </p>\n<p> Asia Central 5 </p>\n<p> Asia Oriental 5 </p>\n<p> Asia meridional 8 </p>\n<p> Asia sudoriental 10 </p>\n<p> Asia occidental 14 </p>\n<p> América Latina y el Caribe 32 </p>\n<p> Caribe 12 </p>\n<p> América Latina 20 </p>\n<p> América Central 8 </p>\n<p> América del Sur 12 </p>\n<p> Oceanía 9</p>\n<p>Australia y Nueva Zelanda 2</p>\n<p>Oceanía sin Australia y Nueva Zelanda 7</p>\n<p> América del Norte y Europa 42</p>\n<p>América del Norte 3</p>\n<p>Europa 39</p>\n<p> Europa del Este 10</p>\n<p> Europa del Norte 10</p>\n<p> Europa del Sur 12</p>\n<p> Europa Occidental 7</p>\n<p> Mientras que las estimaciones a nivel de país se presentan como medias trienales, las estimaciones regionales y mundiales son estimaciones anuales. </p>\n<h2> Series temporales: </h2>\n<p>2000 - actual </p>\n<p><strong> </strong></p>\n<h2>Desagregación: </h2>\n<p>Debido a la dependencia de los datos de las Hojas de Balance de Alimentos nacionales para estimar los niveles medios de consumo calórico en la población, el seguimiento global de la Meta 1C de los ODM y de la meta de la CMA se ha basado en estimaciones del PoU a nivel nacional únicamente. </p>\n<p> En principio, el indicador puede calcularse para cualquier grupo de población específico, siempre que exista suficiente información precisa para caracterizar los parámetros del modelo para ese grupo específico, es decir, si existen datos sobre los niveles de consumo de alimentos del grupo, la estructura de edad/género y – posiblemente – los niveles de actividad física. </p>\n<p> Por lo tanto, las posibilidades de desglose dependen fundamentalmente de la disponibilidad de encuestas diseñadas para ser representativas a nivel de grupos de población subnacionales. Dada la práctica predominante en el diseño de las encuestas nacionales de hogares, rara vez se dispone de suficiente información fiable para la desagregación más allá del nivel de la macrozona de residencia (urbana-rural) y de las principales provincias/divisiones de un país. En la medida en que la mayoría de las encuestas utilizadas están diseñadas para captar con precisión la distribución de los ingresos, se pueden hacer inferencias sobre el PoU en las diferentes clases de ingresos de la población. La desagregación por género está limitada por la posibilidad de identificar y agrupar los hogares por información relacionada con el género (como el sexo del cabeza de familia o la proporción hombre/mujer). </p>", "old": "<h1>Disponibilidad de datos </h1>\n<h2>Descripción: </h2>\n<p>Desde 2017, la FAO ha informado estimaciones separadas de PoU para 170 países, distribuidos de la siguiente manera: </p>\n<p>Mundo 170 </p>\n<p> África 45 </p>\n<p> África del Norte 5 </p>\n<p> África subsahariana 40 </p>\n<p> África Oriental 12 </p>\n<p> África Central 7 </p>\n<p> África meridional 5 </p>\n<p> África Occidental 16 </p>\n<p> Asia 42 </p>\n<p> Asia Central 5 </p>\n<p> Asia Oriental 5 </p>\n<p> Asia meridional 8 </p>\n<p> Asia sudoriental 10 </p>\n<p> Asia occidental 14 </p>\n<p> América Latina y el Caribe 32 </p>\n<p> Caribe 12 </p>\n<p> América Latina 20 </p>\n<p> América Central 8 </p>\n<p> América del Sur 12 </p>\n<p> Oceanía 9</p>\n<p>Australia y Nueva Zelanda 2</p>\n<p>Oceanía sin Australia y Nueva Zelanda 7</p>\n<p> América del Norte y Europa 42</p>\n<p>América del Norte 3</p>\n<p>Europa 39</p>\n<p> Europa del Este 10</p>\n<p> Europa del Norte 10</p>\n<p> Europa del Sur 12</p>\n<p> Europa Occidental 7</p>\n<p> Mientras que las estimaciones a nivel de país se presentan como medias trienales, las estimaciones regionales y mundiales son estimaciones anuales. </p>\n<h2> Series temporales: </h2>\n<p>2000 - actual </p>\n<p><strong> </strong></p>\n<h2>Desagregación: </h2>\n<p>Debido a la dependencia de los datos de las Hojas de Balance de Alimentos nacionales para estimar los niveles medios de consumo calórico en la población, el seguimiento global de la Meta 1C de los ODM y de la meta de la CMA se ha basado en estimaciones del PoU a nivel nacional únicamente. </p>\n<p> En principio, el indicador puede calcularse para cualquier grupo de población específico, siempre que exista suficiente información precisa para caracterizar los parámetros del modelo para ese grupo específico, es decir, si existen datos sobre los niveles de consumo de alimentos del grupo, la estructura de edad/género y – posiblemente – los niveles de actividad física. </p>\n<p> Por lo tanto, las posibilidades de desglose dependen fundamentalmente de la disponibilidad de encuestas diseñadas para ser representativas a nivel de grupos de población subnacionales. Dada la práctica predominante en el diseño de las encuestas nacionales de hogares, rara vez se dispone de suficiente información fiable para la desagregación más allá del nivel de la macrozona de residencia (urbana-rural) y de las principales provincias/divisiones de un país. En la medida en que la mayoría de las encuestas utilizadas están diseñadas para captar con precisión la distribución de los ingresos, se pueden hacer inferencias sobre el PoU en las diferentes clases de ingresos de la población. La desagregación por género está limitada por la posibilidad de identificar y agrupar los hogares por información relacionada con el género (como el sexo del cabeza de familia o la proporción hombre/mujer). </p>", "details": { "state": 10, "source": "<p><strong>Data availability:</strong></p>\n<p>Since 2017 FAO has reported separate estimates of PoU for 160 countries. </p>\n<p>While country-level estimates are presented as three-year averages, regional and global estimates are yearly estimates. </p>\n<p><strong>Time series: </strong></p>\n<p>2000 - current </p>\n<p><strong>Disaggregation: </strong></p>\n<p>Due to reliance on national Food Balance Sheets data to estimate mean caloric consumption levels in the population, the global monitoring of MDG Target 1C and of the WFS target has been based on estimates of the PoU at national level only. </p>\n<p>In principle, the indicator can be computed for any specific population group, provided sufficient accurate information exists to characterize the model’s parameters for that specific group, that is, if data on the group’s food consumption levels, age/gender structure and – possibly – physical activity levels, exist. </p>\n<p>The scope for disaggregation thus crucially depends on the availability of surveys designed to be representative at the level of sub national population groups. Given prevailing practice in the design of national household surveys, sufficient reliable information is seldom available for disaggregation beyond the level of macro area of residence (urban-rural) and of the main Provinces/Divisions in a country. To the extent that most of the used surveys are designed to accurately capture the distribution of income, inference can be drawn on the PoU in different income classes of the population. Gender disaggregation is limited by the possibility to identify and group households by gender-related information (such as sex of the head of the household, or male/female ratio).</p>", "old_state": 10 }, "id": 23102154, "action_name": "String updated in the repository", "url": "https://hosted.weblate.org/api/changes/23102154/?format=api" } ] }