ADEQUACY OF MICRONUTRIENT INTAKE IN LONG-TERM CARE RESIDENTS: MAKING THE MOST OF MEALTIMES (M3)
Notice bibliographique
Résumé
Food intake of residents living in long term care (LTC) is known to be poor. Yet, our understanding of which micronutrients are inadequately consumed is limited. The M3 prevalence study included an assessment of food intake from 639 residents (mean 86.8 ± 7.8 yrs old) in 32 nursing homes from four provinces (AB, ON, NB, MB) in Canada. Researchers rigorously collected weighed (main plate items) and estimated (snacks, beverages, side dishes) food and beverage intake from three non-consecutive days. Dietary records were analyzed for energy and micronutrient intakes using the Food Processor Nutrition Analysis Software (ESHA, version 10.14.1) and usual intakes were estimated by adjustment for intra-individual variation on all participants. Micronutrient intakes were compared with their estimated average requirement (EAR), when available, using the EAR cut-point method or with their Adequate Intake (AI) when an EAR was not available. Energy intake was 1715 ± 291 kcal and 1481 ± 261 (mean ± SD) for males (n=197) and females (n=435), respectively. Nutrients where the prevalence of inadequacy was greater than 50% for males and females were: vitamin B6, D, E, folate, calcium, magnesium and zinc. More than 50% of participants were below the AI for vitamin K and Potassium. These results document a high prevalence (10 of 20 micronutrients assessed) of inadequate micronutrient intakes in residents living in LTC in Canada. Interventions to promote more nutrient dense foods in LTC menus are required. (Funded by Canadian Institutes of Health Research)
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».