MétaCan
Menu
Retour à la cohorte
Enregistrement W1966124307 · doi:10.1017/s0007114512002188

Increases in fruit intakes in older low consumers of fruit following two community-based repeated exposure interventions

2012· article· en· W1966124307 sur OpenAlexfundno aff
Katherine M. Appleton

Notice bibliographique

RevueBritish Journal Of Nutrition · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSensory Analysis and Statistical Methods
Établissements canadiensnon disponible
Organismes subventionnairesQueen's University
Mots-clésWine tastingMedicineFruit juicePsychological interventionToxicologyFood scienceBiology

Résumé

récupéré en direct d'OpenAlex

The present study investigated the value of two repeated exposure interventions for increasing intakes of fruit in older people. A total of ninety-five participants (aged 65 years and over) were randomised to receive either one (E1), five (E5) or five plus (E5+) exposures to fruit over a 5-week period. Fruit exposures occurred in community-based church and social groups, through fruit-tasting sessions involving familiar fruits and novel fruit products and dishes (E1, E5, E5+), and through fruit provision (E5+). Daily intakes of fruit and vegetables were assessed before and after all interventions. Liking for all fruits was also measured during repeated exposure (E5, E5+). In low consumers of fruit (one portion/d or less), fruit intakes increased significantly in the repeated exposure groups (E5, E5+) (t(30) = 5·79, P< 0·01), but did not change in the E1 group (t(16) = 0·29, P= 0·78). No differences were found between E5 and E5+ groups (F(3,87) = 1·22, P= 0·31). Similar effects were also found in fruit and vegetable intakes. No effects were found in other participants. Also, no changes in liking were found. These findings suggest that compared to single exposure, repeated exposure to fruit via fruit-tasting sessions once per week for 5 weeks in a community setting significantly improved fruit intakes, and fruit and vegetable intakes in older low consumers of fruit, although no benefits of additional fruit provision were found. Repeated exposure was also easy to implement, of low cost and enjoyable.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,063
Tête enseignante GPT0,325
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal Of NutritionMême sujetSensory Analysis and Statistical MethodsTravaux en français237 207