Dietary intake and development of a quantitative food-frequency questionnaire for a lifestyle intervention to reduce the risk of chronic diseases in Canadian First Nations in north-western Ontario
Notice bibliographique
Résumé
OBJECTIVES: To characterise the diet of First Nations in north-western Ontario, highlight foods for a lifestyle intervention and develop a quantitative food-frequency questionnaire (QFFQ). DESIGN: Cross-sectional survey using single 24 h dietary recalls. SETTING: Eight remote and semi-remote First Nations reserves in north-western Ontario. SUBJECTS: 129 First Nations (Oji-Cree and Ojibway) men and women aged between 18 and 80 years. RESULTS: The greatest contributors to energy were breads, pasta dishes and chips (contributing over 20 % to total energy intake). 'Added fats' such as butter and margarine added to breads and vegetables made up the single largest source of total fat intake (8.4 %). The largest contributors to sugar were sugar itself, soda and other sweetened beverages (contributing over 45 % combined). The mean number of servings consumed of fruits, vegetables and dairy products were much lower than recommended. The mean daily meat intake was more than twice that recommended. A 119-item QFFQ was developed including seven bread items, five soups or stews, 24 meat- or fish-based dishes, eight rice or pasta dishes, nine fruits and 14 vegetables. Frequency of consumption was assessed by eight categories ranging from 'Never or less than one time in one month' to 'two or more times a day'. CONCLUSION: We were able to highlight foods for intervention to improve dietary intake based on the major sources of energy, fat and sugar and the low consumption of fruit and vegetable items. The QFFQ is being used to evaluate a diet and lifestyle intervention in First Nations in north-western Ontario.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».