Antes que a IA diga aos pacientes o que comer, ela precisa saber onde eles moram: um estudo ecológico transversal sobre diabetes e acesso a alimentos nos setores censitários da Califórnia e Michigan, com destaque para Metro Detroit e Metro Los Angeles
PreprintSaúde PúblicaPré-publicação. Ainda não revisada por pares; não deve orientar conduta.
O que aconteceu
Os chatbots de IA agora dão conselhos às pessoas com diabetes dietética, mas se esses alimentos podem ser comprados perto de casa raramente são verificados. Em um estudo ecológico transversal com 11.974 setores censitários da Califórnia e Michigan, relacionei a prevalência de diabetes (CDC LUCES 2025) com dois mapas de acesso alimentar da USDA: todas as lojas autorizadas pela SNAP (2025) e grandes mercearias apenas (2019). Identifiquei setores de carga dupla (diabetes alto e baixa renda/baixo acesso) e desertos alimentares ocultos (baixo acesso a grandes mercearias, mas não a nenhuma loja SNAP). Em um piloto, ChatGPT, Gemini e Claude geraram planos de refeição para a mesma pessoa em 20 setores de diabetes em Metro Los Angeles e Metro Detroit; Eu marquei se o conselho era saudável e se os alimentos eram vendidos em tipos de lojas próximas.
O que encontraram
Os setores de carga dupla eram poucos (71 na Califórnia, 19 em Michigan), quase nenhum nos dois metrôs. Os setores de deserto alimentar apresentaram prevalência de diabetes 1,5 ponto percentual maior (IC 95%, 1,0-2,0). Contando todas as lojas da SNAP esconderam 567 desertos alimentares da Califórnia e 329 Michigan; no Metro Detroit, todos os 97 desapareceram, incluindo 51 setores de diabetes com cerca de 19.500 adultos com diabetes. O conselho do Chatbot era saudável, mas em setores ocultos 30% dos alimentos recomendados não eram vendidos de forma confiável nas proximidades; os chatbots mal ajustados. De 55 lugares que nomearam, 13% tinham erros, e a maioria estava a mais de uma milha de distância.
Por que isso importa
O atual mapa USDA obscurece os desertos alimentares, especialmente em Detroit, e os conselhos de dieta de IA mal se ajustam para eles. As ferramentas nutricionais de IA para diabetes devem incluir uma verificação consciente do local baseada em dados públicos de acesso a alimentos.
Tradução automática do resumo original, publicado em medRxiv sob licença CC BY. Os números são conferidos contra o original; siglas e termos técnicos podem variar.
O estudo original
Before AI tells patients what to eat, it needs to know where they live: a cross-sectional ecological study of diabetes and food access in California and Michigan census tracts, with a spotlight on Metro Detroit and Metro Los Angeles
Chitipolu Sri Sudheera