Factors associated with consumption of fruits and vegetables among Community Kitchens customers in Lima, Peru
Notice bibliographique
Résumé
Community Kitchens (CKs) are one of the main food providers to low-income families in Peru and may encourage healthier diets. We aimed to determine the prevalence of fruit and vegetable consumption and associated sociodemographic and behavioral factors among CKs customers. A cross-sectional study enrolling customers of 48 CKs in two areas of Lima, Peru, was performed. The self-reported amount of fruits and vegetables consumed (< 5 vs. ≥ 5 servings/day) was the outcome. The exposures were grouped in sociodemographic variables (i.e. age, gender, education level, etc.), and self-reported intention to change eating- and exercise-related habits in the last four weeks just prior to the interview. Prevalence ratios (PR) were estimated using Poisson regression. Data from 422 subjects were analyzed, 328 females (77.9%), mean age 43.7 (± 14.5) years. Only 36 (8.5%; 95% CI 5.9%-11.2%) customers reported consuming ≥ 5 servings of fruits and vegetables daily. This pattern was 4-fold more likely among those with higher levels of education (≥ 12 vs. < 7 years), and 64% less common for migrants relative to non-migrants. In terms of intentions to change habits, those who reported having tried to reduce sugar consumption or to eat more fruits were up to 90% more likely to meet the ≥ 5 servings/day target. A substantial gap in the consumption of ≥ 5 servings of fruits and vegetables/day was found among CKs customers that does not appear to be dependent on familial income. The profiles reported in this study can inform appropriate strategies to increase healthier eating in this population.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».