Digital Governance of Nutrition and Food Security in the Arctic
Keywords:
health-preserving technologies, social nutrition, digital transformation, regional sustainable development, nutritional monitoring, personalized nutrition technologiesAbstract
Amid the accelerating digital transformation of public administration, the development of resilient mechanisms for ensuring food security and promoting health-preserving nutrition in the Arctic Zone of the Russian Federation is gaining particular relevance. This study aims to provide a scientific rationale for a digital nutrition management model based on the integration of intelligent technologies into the system of state social policy.The objective of the research is to develop a scientifically grounded model for digital nutrition and food security management in the Arctic under intensifying climatic, logistical, and infrastructural constraints. In the context of increasing climate instability, nutritional and cognitive deficits, digital inequality, and limited access to medical care, there is a growing need to shift from traditional food assistance to a flexible system of adaptive and intelligent population nutrition governance.The methodology combines structural-functional and comparative analysis, digital modeling, elements of behavioral diagnostics, microbiome-based approaches, and geospatial analytics. Scenario-based risk assessments, biosensor monitoring technologies, and tools for analyzing nutritional vulnerability are employed, taking into account demographic, climatic, and behavioral factors.The results include the development of an original platform-based model for digital nutrition management, integrating telemedicine solutions, intelligent algorithms for dietary assessment and adjustment, digital dietary behavior traces, biosensors, wearable devices, and domestic digital products (e.g., «1C: Planned Nutrition», and the cloud-based «Scientific Nutrition Analysis Platform» (NIAP)). A system of indicators for early detection of alimentary risks in northern and Arctic municipalities is proposed, along with innovative mechanisms for personalized nutritional support, including digital diet twins and chrono-nutritional adaptation algorithms.The conclusions affirm that digital nutrition in the Russian Arctic functions as a strategic resource for social sovereignty, adaptability, and sustainable development. Adaptive intelligent nutrition solutions enable the state to rapidly adjust social policy measures in response to regional challenges, prevent dietary deficiencies, and contribute to achieving the goals of national projects in demographics, healthcare, and digital transformation.Downloads
References
Актуальность оценки нутритивного статуса у детей с хронической сердечной недостаточностью / Л. А. Гандаева, Т. Э. Боровик, Е. Н. Басаргина [и др.] // Вопросы современной педиатрии. 2015. Т. 14, № 6. С. 699-705. DOI: 10.15690/vsp.v14i6.1479.
Боровиков В. П. Статистический анализ и обработка данных в среде SPSS. СПб. : Питер, 2021. 400 с.
Власов А. Н., Гришина Е. О. Инструменты бизнес-аналитики в визуализации больших данных: сравнение Power BI и Tableau // Экономика и управление: проблемы, решения. 2021. № 4 (124). С. 98–104.
Зубарев А. В., Осипов С. Ю. Plotly Dash в научных и образовательных проектах: обзор функциональных возможностей // Современные информационные технологии и ИТ образование. 2023. Т. 19, № 1. С. 112–119.
Ильин Е. П., Кукаренко Н. Н., Грибанов А. В. Адаптация человека к экстремальным условиям и дисбиоз микробиоты кишечника // Актуальные вопросы медицинской микробиологии. 2020. № 3. С. 12–19.
Использование ArcGIS Pro для мониторинга социальной инфраструктуры в северных регионах РФ / под ред. П. П. Петрова // Региональная экономика и управление. 2021. № 1. С. 88–96.
Кобелькова И. В. Цифровые платформы для оценки питания спортсменов: сравнение методов 24-часового воспроизведения и частотного анализа с применением НИАП / И. В. Кобелькова, Ю. А. Селедкова, М. М. Коростелева, М. А. Каде, Т. Н. Солнцева // Modern Issues of Biomedicine. 2024. Т. 8, № 4 (30). DOI: 10.24412/2588-0500-2024-8-4-28.
Комаров С. А., Петрова И. Ю. Цифровая диагностика пищевого поведения: методологические подходы // Медицинская информатика и статистика. 2023. № 2. С. 29–36.
Комаров С. А., Хлебников Е. А. Особенности пищевого поведения вахтового населения Крайнего Севера // Социальная гигиена и организация здравоохранения. 2022. № 1. С. 18–25.
Комарова Е. С., Романов А. Д. Геоинформационные панели в Plotly Dash и QGIS для пространственного анализа демографических рисков // Геоинформационные системы. 2022. № 2. С. 60–68.
Лаврова Н. А., Куликов А. Ю. Применение Power BI для анализа региональных социально экономических показателей // Информационные технологии и вычислительные системы. 2021. № 3. С. 47–53.
Макарова И. П., Шувалов В. А. Tableau как инструмент визуализации в прикладных исследованиях: от данных к решениям // Управленческое консультирование. 2022. № 6. С. 71–77.
Оценка нутритивного статуса и его коррекция при хронической обструктивной болезни легких // Пульмонология. 2022. № 4. С. 62–70.
Портнов Н. М., Егорова Л. А. Применение математико-статистических методов для оценки состояния здоровья населения // Вестник научных исследований. 2020. № 4. С. 45–53.
Рубин Б. Агентно-ориентированное моделирование: методы и технологии для имитации человеческих систем // Proceedings of the National Academy of Sciences. 2002. Vol. 99. № suppl 3. С. 7257–7264.
Савинов А. А., Махров А. Н. Пространственный анализ в региональной политике: инструменты, кейсы, подходы // Региональная экономика: теория и практика. 2022. № 5. С. 74–85.
Сахаров А. А. Устойчивое питание и цифровизация северных территорий // Проблемы развития территорий. 2021. № 6 (120). С. 95–108.
Система QGIS как инструмент геопространственного анализа регионов Севера // Геоинформационные технологии и картография. 2022. № 4. С. 45–53.
Скобелкин О. К., Шляхто Е. В. Проблемы нутрициологии в экстремальных климатических условиях // Вопросы питания. 2020. Т. 89, № 6. С. 22–30. DOI: 10.24411/0042-8833-2020-10063.
Тихомиров А. В. Цифровое государство и социальная адаптация: новые вызовы и подходы // Управленческое консультирование. 2023. № 4 (172). С. 31–39.
Чернышов В. Г., Лисовская Н. Б. Применение ГИС-технологий для планирования медицинской помощи в отдаленных регионах // Информационные технологии в медицине. 2021. № 2. С. 45–52.
Щедровицкий Г. П. Сравнительный анализ как метод познания // Вопросы философии. 1992. № 4. С. 31–42.
Chen J., Lieffers J., Bauman A., Hanning R., Allman-Farinelli M. The use of smartphone health apps and other mobile health (mHealth) technologies in dietetic practice: a three country study // Journal of Human Nutrition and Dietetics. 2017. Vol. 30, N 4. P. 439–452. DOI: 10.1111/jhn.12446.
Dobbie S., Schreckenberg K., Dyke J. G., Schaafsma M., Balbi S. Agent based modelling to assess community food security and sustainable livelihoods // Journal of Artificial Societies and Social Simulation. 2018. Vol. 21, N 1: Article 9 (P. 1–9). DOI: 10.18564/jasss.3639.
Ko I., Chang H. Interactive Visualization of Healthcare Data Using Tableau // Health Inform Res. 2017. Vol. 23, N 4. P. 349–354. DOI: 10.4258/hir.2017.23.4.349.
Kuznetsova T. Yu., Ivanov V. N. Digitalization of Nutrition and Health Services in the Arctic Regions of Russia // Journal of Arctic Social and Health Studies. 2022. Vol. 8, N 3. P. 15–28.
Kuznetsova T. Yu., Morozov A. P. Constructing a Regional Nutritional Adaptation Index: Case of Arctic Russia // Sustainability. 2023. Vol. 15, N 12. P. 10534. DOI: 10.3390/su151210534.
Kuznetsova T. Yu., Morozov A. P. Digital Twins of Nutritional Models for Arctic Populations // Journal of Arctic Healthcare and Technology. 2023. Vol. 5, N 2. P. 50–63.
Liang Y., Zheng D., Zhang W. Wearable Biosensors for Health Monitoring // Advanced Healthcare Materials. 2021. Vol. 10, N 4. P. 2100120.
Nilsson M., Sundqvist J., Nielsen H. Arctic Data Strategies: Systems for Sustainable Food Security // Journal of Arctic Policy Studies. 2022. Vol. 4 (2). P. 45–62.
Piwek L., Ellis D. A., Andrews S., Joinson A. The Rise of Consumer Health Wearables: Promises and Barriers // PLoS Medicine. 2016. Vol. 13, N 2. e1001953. DOI: 10.1371/journal.pmed.1001953.
Smith C., Johnson M. GIS for Public Health: Integrating Data for Smarter Resource Allocation // International Journal of Health Geographics. 2020. Vol. 19, Article 17. DOI: 10.1186/s12942020-00225-9.
Smith C., Johnson M. Wearable Devices and Digital Traces for Real-Time Nutritional Monitoring // Journal of Medical Internet Research. 2021. Vol. 23, N 9. e24589. DOI: 10.2196/24589.
Turnbaugh P. J., Hamady M., Yatsunenko T. et al. A core gut microbiome in obese and lean twins // Nature. 2009. Vol. 457. P. 480–484.
Van Boorn G., Hengeveld G., Vergeer J. Representing agent-based models to assess the resilience and efficiency of food supply chains // PLOS ONE. 2020. Vol. 15, N 11: e0242323. DOI: 10.1371/journal.pone.0242323.
Zhao L., Zhang C., Fang C. et al. Gut microbiota and personalized nutrition: Science and application // Nutrition Reviews. 2022. Vol. 80 (6). P. 1113–1128.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Lebedeva U.M., Lebedev M.P., Chiryaeva L.M., Litvintseva Е.А.
This work is licensed under a Creative Commons Attribution 4.0 International License.
How to Cite
Коды статьи
- EDN IKYSCV
- Тип статьи (РИНЦ) Научная статья (Научная статья)
