Disparities in the frequency of fruit and vegetable consumption by socio-demographic and lifestyle characteristics in Canada
Notice bibliographique
Résumé
BACKGROUND: The health benefits of adequate fruit and vegetable (F&V) consumption are significant and widely documented. However, many individuals self-report low F&V consumption frequency per day. This paper examines the disparities in the frequency of F&V consumption by socio-demographic and lifestyle characteristics. METHOD: This study uses a representative sample of 93,719 individuals from the Canadian Community Health Survey (2007). A quantile regression model is estimated in order to capture the differential effects of F&V determinants across the conditional distribution of F&V consumption. RESULTS: The conditional and unconditional analyses reveal the existence of a socioeconomic gradient in F&V consumption frequency, in which the low income-education groups consume F&V less frequently than the high income-education groups. We also find significant disparities in F&V consumption frequency by demographic and lifestyle characteristics. The frequency of F&V consumption is relatively lower among: males, those in middle age, singles, smokers, individuals with weak social interaction and households with no children. The quantile regression results show that the association between F&V consumption frequency, and socio-demographic and lifestyle factors varies significantly along the conditional F&V consumption distribution. In particular, individual educational attainment is positively and significantly associated with F&V consumption frequency across different parts of the F&V distribution, while the income level matters only over the lower half of the distribution. F&V consumption follows a U-shaped pattern across the age categories. Those aged 30-39, 40-49 and 50-59 years consume F&V less frequently than those aged 18-29 years. The smallest F&V consumption is among the middle aged adults (40-49). CONCLUSIONS: Understanding the socio-demographic and lifestyle characteristics of individuals with low F&V consumption frequency could increase the effectiveness of policies aimed at promoting F&V consumption. The differential effects of individual characteristics along the F&V consumption distribution suggest the need for a multifaceted approach to address the variation in F&V consumption frequency.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».