Notice bibliographique
Résumé
Abstract Older adults represent a large and growing portion of the global population. Given the high risk of malnutrition in this population, it is important to understand factors influencing food intake; sensory perception is one of these factors. Aging is associated with a number of physiological changes that alter the way food sensory properties are perceived. Because of these changes, it is often assumed that older adults experience a decrease in food liking. Although there is little evidence to support this assumption, many studies have evaluated flavor enhancement strategies aiming to increase food liking in older adults. As older adults exhibit a high degree of heterogeneity in their liking response, more tailored approaches may be required to increase food liking in older adult populations. Current attempts to classify subgroups of older adults have had little success. Furthermore, consideration should be given to food texture in future studies, as it plays a dominant and increasingly vital role in food perception by older adults. Practical Applications Sensory perception plays an important role in food choice and intake, thus it is important to understand how foods are perceived by older adults. This is essential to the health and well‐being of older adults, as the reduction in food intake often observed with ageing is a key contributor to malnutrition in this population. The success of studies aiming to improve food liking in older adults have had very limited success to date, with some strategies actually leadings to a reduction in food consumption. To improve the success of future strategies, food perception by older adults, and the increasingly vital role of food texture must be understood.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,006 | 0,001 |
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 ».