Food intake and blood cholesterol levels of community-based adults with mood disorders
Notice bibliographique
Résumé
BACKGROUND: A growing body of literature links nutrition to mood, especially in epidemiological surveys, but there is little information characterizing food intake in people with diagnosed mood disorders. METHODS: Food intake obtained from 3-day food records was evaluated in 97 adults with mood disorders, whose diagnoses were confirmed in structured interviews. Information from a population nutrition survey, national guidelines for nutritional intakes (Eating Well with Canada's Food Guide) and North American dietary guidelines (Dietary Reference Intakes) was utilized to evaluate the quality of their food intake. RESULTS: Compared to the regional nutrition survey data and national guidelines, a greater proportion of study participants consumed fewer of the recommended servings of grains (p < 0.001) and vegetables and fruits (p < 0.05), and less than the lower boundary of the Adequate Macronutrient Distribution Range (AMDR) for α-linolenic acid (p < 0.001). The study sample also had greater intakes of high-fat whole grain products (p < 0.01), processed meats (p < 0.00001), and higher sugar, fat or salty foods (p < 0.00001). Of the 1746 total meals and snacks consumed, 39% were from sources outside the home, suggesting a lack of time devoted to meal preparation. Finally, a subsample of 48 participants agreed to have blood tests: 44% had mild hypercholesterolemia (> 5.2 and ≤ 6.2 mmol/L) and 21% had hypercholesterolemia (> 6.2 mmol/L). CONCLUSIONS: Much research has proposed multiple ways in which healthier diets may exert protective effects on mental health. The results of this study suggest that adults with mood disorders could benefit from nutritional interventions to improve diet quality.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».