Meals-on-wheels improves energy and nutrient intake in a frail free-living elderly population.
Notice bibliographique
Résumé
BACKGROUND: With the increasing life expectancy and associated health care cost in the elderly population, it is fundamental to study and improve interventions that help older persons to have a better and healthier life in their home for a longer period. OBJECTIVES: Evaluate the effect of Meals-on-Wheels (MOW) on dietary intakes of frail elderly. DESIGN: An untreated control group quasi-experimental design with pretest and post-test was used to compare users (n = 20) and non-users (n = 31) of MOW. Descriptive and dietary data were compared at pretest and 8 weeks later. Analysis of Covariance (ANCOVA) was used to control for initial differences between groups. RESULTS: Both groups were similar at pretest except for weight (p = 0.028) and weekly number of meals eaten outside the home (p = 0.008). In both groups, dietary intakes at pretest were below Estimated Average Requirements (EAR) for the same nutrients. At post-test, intake of most nutrients increased in the Experimental group in comparison with the Control group. After controlling with the ANCOVA model, increases were significant for energy (p = 0.050), protein (p = 0.030), lipid (p = 0.034) and thiamin (p = 0.035). Provision of MOW did not permit to achieve a low risk of nutrient inadequacy in the Experimental group. CONCLUSIONS: MOW programs improve dietary intakes of recipients. However, a more intensive intervention is needed to prevent nutrient deficiencies in this group.
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 | 0,001 | 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 | 0,000 |
| 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 ».