MétaCan
Menu
← Retour à la cohorte
Enregistrement W2763397920 · doi:10.1093/pch/19.6.e35-99

101: Meat and Iron-Rich Food Consumption in Healthy Canadian Infants

2014· article· en· W2763397920 sur OpenAlexaffabout
CM Borkhoff, JL Maguire, CS Birken, Roy Macarthur, Sarah Carsley, Y Chen, PC Parkin

Notice bibliographique

RevuePaediatrics & Child Health · 2014
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineLogistic regressionMicronutrientEnvironmental healthOdds ratioCross-sectional studyPediatricsOddsRed meatConsumption (sociology)Ethnic groupDemography

Résumé

récupéré en direct d'OpenAlex

Iron is an essential micronutrient for normal growth and cognitive development in early childhood. After the first six months of life, iron requirements rise rapidly and infants exclusively fed breast milk beyond six months are at risk for developing iron deficiency. In 2005, Health Canada recommended that iron-rich foods be introduced at six months of age, emphasizing that naturally iron-rich foods such as meat or meat alternatives be infant's first complementary foods, rather than iron-fortified infant cereal. In 2012, Health Canada advised that infants be offered iron-rich foods two or more times per day. Little is known about the meat consumption patterns among infants and young children in Canada. To describe the meat consumption patterns in healthy Canadian children and examine the association between meat consumption and sociodemographic factors. A cross-sectional study of healthy children, aged six months to five years, seen for routine primary health care between December 2008 and December 2012 was conducted through a practice-based research network. Meat consumption and sociodemographic factors were measured using standardized parent-completed survey instruments. Adjusted logistic regression was used to determine the independent variables associated with meat consumption. A total of 4614 healthy children (median age 25 months) were included. Most children (94%) consumed meat over a three-day period. Adjusted logistic regression analysis identified the odds of eating meat increased by 6.5% (95% CI 4.9 to 8.2) with each additional month of age. Children of African, Caribbean, Indian-Caribbean ethnicity (OR 0.4 [95% CI 0.2 to 0.8]; P=0.007), South Asian ethnicity (OR 0.4 [95% CI 0.2 to 0.7]; P=0.005), Latin American ethnicity (OR=0.4, 95% CI 0.2 to 0.8, P=0.009) and North American Aboriginal or Oceania ethnicity (OR 0.5 [95% CI 0.3 to 0.9]; P=0.03) were less likely to eat meat. Only 71% consumed at least two servings of meat or other iron-rich foods daily as per Health Canada recommendations. Children from lower income families were less likely to eat meat according to Health Canada recommendations (OR 0.6 [95% CI 0.4 to 0.7]; P<0.001). Poultry was the meat most frequently consumed (83% poultry, 65% red meat, 62% eggs, 41% fish and 6% shellfish). Most infants and young children eat meat, however almost one third do not eat meat according to the Health Canada recommendations. Eating meat or meat alternatives less than two times per day was associated with a lower family income. The association between poor meat consumption and iron deficiency in this cohort is a focus of future investigation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,275
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child Health→Même sujetChild Nutrition and Water Access→Travaux en français237 207→