Socioeconomic Inequities in Diet Quality and Nutrient Intakes among Australian Adults: Findings from a Nationally Representative Cross-Sectional Study
Notice bibliographique
Résumé
Poor diet may represent one pathway through which lower socioeconomic position (SEP) leads to adverse health outcomes. This study examined the associations between SEP and diet quality, its components, energy, and nutrients in a nationally representative sample of Australians. Dietary data from two 24-h recalls collected during the cross-sectional Australian Health Survey 2011-13 (n = 4875; aged ≥ 19 years) were analysed. Diet quality was evaluated using the Dietary Guidelines Index (DGI). SEP was assessed by index of area-level socioeconomic disadvantage, education level, and household income. Linear regression analyses investigated the associations between measures of SEP and dietary intakes. Across all of the SEP indicators, compared with the least disadvantaged group, the most disadvantaged group had 2.5–4.5 units lower DGI. A greater area-level disadvantage was associated with higher carbohydrate and total sugars intake. Lower education was associated with higher trans fat, carbohydrate, and total sugars intake and lower poly-unsaturated fat and fibre intake. Lower income was associated with lower total energy and protein intake and higher carbohydrate and trans fat intake. Lower SEP was generally associated with poorer diet quality and nutrient intakes, highlighting dietary inequities among Australian adults, and a need to develop policy that addresses these inequities.
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 | 0,002 | 0,005 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».