Diagnosis, Symptoms, and Calcium Intakes of Individuals with Self-Reported Lactose Intolerance
Notice bibliographique
Résumé
OBJECTIVE: To determine methods of diagnosis, symptoms, and calcium intake from food and supplements for individuals with self-reported lactose intolerance. METHODS/DESIGN: Cross-sectional survey using a mailed questionnaire. SUBJECTS/SETTING: A convenience sample of 189 adults with self-reported lactose intolerance living in the metropolitan area of Vancouver Canada responded to posters or advertisements, and 159 returned completed questionnaires. MEASURES OF OUTCOME: Methods of diagnosis, symptoms experienced and their severity were self-reported. Estimated calcium intake from food and supplements was assessed using a food frequency questionnaire. Data were analyzed using descriptive statistics, chi-square, Pearson correlation analysis, t-tests and Analysis of Variance. RESULTS: Participants were 47 +/- 15 years of age; 72% female and 28% male; 67% Caucasian; and 54% had self-diagnosed their lactose intolerance. Of the 42% diagnosed by a physician, only 10% had been diagnosed by valid tests. Mean estimated food calcium intake was 591 +/- 382 mg/d and did not differ between those who were self- or physician-diagnosed. Only 11.5% of participants met their age-appropriate Adequate Intake (AI) from food calcium sources alone. Calcium supplements were used by 65% and provided an average of 746 +/- 703 mg calcium/day to those who used them; mean intakes of this group met the AI. CONCLUSIONS: Calcium intake from food sources alone is inadequate to meet the AI in individuals with self-reported lactose intolerance. Physicians managing lactose intolerance need current information on how the AI can be met through appropriate food choices and possible supplementation.
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 ».