Usual vitamin D intake in the United States by ethnic group: NHANES 2003–04
Notice bibliographique
Résumé
Background – Current food consumption survey databases do not include vitamin D, thus there are limited data on intakes. Objective ‐ To determine usual intake of vitamin D, to evaluate ethnic differences in vitamin D intake, and estimate the percentage of population subgroups whose usual intakes were at or above Adequate Intake (AI). Methods – Vitamin D content of survey foods were estimated using the Food and Nutrition Database for Dietary Studies 2.0 recipe database, and vitamin D food composition data of the Standard Reference, Release 19. 2‐day average vitamin D intakes (mean ± SE) of ethnic groups were compared using SUDAAN, and C‐SIDE was used to estimate parameters of the usual intake distribution in NHANES 2003–04 (n=8213). Results – Mean vitamin D intakes (and % at or above AI) were 253±13 (43%), 236±13 (29%) and 206±11 IU/day (20%) for children 1–3, 4–8 and 9–13 yr, respectively. Estimates for males vs. females of 14–18 yr were: 228±16 (24%) vs. 158±13 (10%); 19–30 yr: 180±11 (11%) vs. 130±11 (7%); 31–50 yr: 180±14 (11%) vs. 144±7 (9%); 51–70 yr: 201±20 (3%) vs. 161±14 (2%); >70 yr: 233±22 (2%) vs. 179±14 IU/day (1%). Vitamin D intakes were lower in blacks than whites for children 1–3, 4–8, 9–13, 14–18 yr, males 31–50, females 51–70 and males >70 yr. Conclusions – AI levels are 200, 400 and 600 IU/day vitamin D for 1–50, 51–70, and >70 yrs, respectively. Thus, using food databases mentioned above, usual intakes of vitamin D were low compared to the AI in the US, especially in blacks, females and older age groups. (Supported by Kraft Foods, Inc.)
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».