Fruit and vegetable consumption in older individuals in Northern Ireland: levels and patterns
Notice bibliographique
Résumé
Low intakes of fruit and vegetables have previously been reported in the older population of Great Britain, particularly among certain socio-demographic groups. Levels and patterns of consumption in the older population of Northern Ireland, however, remain unknown. A representative sample of 1000 members of the older population of Northern Ireland were contacted by telephone to assess average intake of all fruits and vegetables and various demographic details. Data from 426 individuals (representative of the whole population) reported a mean consumption of 4.0 (sd 1.3) and 4.1 (sd 1.3) portions of fruit and vegetables per weekday and per weekend day respectively. Regression analyses revealed greater consumption on weekdays by females (B 0.53; P < 0.01), younger individuals (B - 0.02; P = 0.01) and those living in less deprived areas (B - 0.01; P = 0.04), and greater consumption at weekends by females (B 0.54; P < 0.01) and younger individuals (B - 0.03; P = 0.01). The amount of fruit and vegetables consumed is slightly higher than that reported in older populations in Great Britain, possibly as a result of differences in farming practices and rural activities, although levels of consumption remain below current recommendations for health. Patterns of consumption are similar across the UK, and suggest that strategies to increase fruit and vegetable consumption should target males, older individuals and those living in more deprived areas.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».