Impact of the Healthy Foods North nutrition intervention program on Inuit and Inuvialuit food consumption and preparation methods in Canadian Arctic communities
Notice bibliographique
Résumé
BACKGROUND: The 12-month Healthy Foods North intervention program was developed to improve diet among Inuit and Inuvialuit living in Arctic Canada and assess the impact of the intervention established for the communities. METHODS: A quasi-experimental study randomly selected men and women (≥19 years of age) in six remote communities in Nunavut and the Northwest Territories. Validated quantitative food frequency and adult impact questionnaires were used. Four communities received the intervention and two communities served as delayed intervention controls. Pre- and post-intervention changes in frequency of/total intake of de-promoted food groups and healthiness of cooking methods were determined. The impact of the intervention was assessed using analysis of covariance (ANCOVA). RESULTS: Post-intervention data were analysed in the intervention (n = 221) and control (n = 111) communities, with participant retention rates of 91% for Nunavut and 83% for the Northwest Territories. There was a significant decrease in de-promoted foods, such as high fat meats (-27.9 g) and high fat dairy products (-19.8 g) among intervention communities (all p ≤ 0.05). The use of healthier preparation methods significantly increased (14.7%) in intervention communities relative to control communities. CONCLUSIONS: This study highlights the importance of using a community-based, multi-institutional nutrition intervention program to decrease the consumption of unhealthy foods and the use of unhealthy food preparation methods.
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 | 0,000 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».