Patterns of Fruit and Vegetable Consumption and the Influence of Sex, Age and Socio-Demographic Factors among Canadian Elderly
Notice bibliographique
Résumé
OBJECTIVE: The aim of the present study was to: 1) describe the patterns of fruit and vegetable (f&v) intake in Canadian elderly and 2) identify socio-demographic factors that were associated with the low consumption. METHODS: Data from the Canadian Community Health Survey cycle 2.1 (2003), Public Use File, were used. Statistical analysis was conducted using SPSS 11.5 for Windows. Total f&v intake of Canadian elderly (65 years and older) was cross-tabulated between four age groups, by gender, level of household education, total household income, ethnicity, marital status, and geographical locations. RESULTS: Our data revealed that 47% of Canadian elderly sample consume f&v equal to or greater than five times daily. A strong positive association was found between f&v consumption and total household income and highest household education. Gender and marital status were other important contributing factors for f&v intake among elderly. Ethnicity did not influence f&v intake. Younger males reported to consume less f&v than older males did, but consumption of f&v was comparable among all four age groups of females. Elderly living in the Maritime Provinces and the Yukon/Northwest Territories/Nunavut had a lower level of f&v consumption, as compared to elderly living in other provinces. CONCLUSIONS: These results indicate that >50% of Canadian elderly do not consume f&v five or more times per day. Gender and several socio-demographic factors significantly influence f&v intake in Canadian elderly. Further studies warrant identifying at risk elderly groups and implementing programs to encourage adequate f&v intake by Canadian elderly.
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 | 0,001 |
| 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 ».