MétaCan
Menu
Retour à la cohorte
Enregistrement W2801761567 · doi:10.1186/s12966-018-0666-4

Are dietary inequalities among Australian adults changing? a nationally representative analysis of dietary change according to socioeconomic position between 1995 and 2011–13

2018· article· en· W2801761567 sur OpenAlexafffund
Dana Lee Olstad, Rebecca M. Leech, Katherine M. Livingstone, Kylie Ball, Beth Thomas, Jane Potter, Xenia Cleanthous, Rachael Reynolds, Sarah A. McNaughton

Notice bibliographique

RevueInternational Journal of Behavioral Nutrition and Physical Activity · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensUniversity of Calgary
Organismes subventionnairesMedical Research CouncilCanadian Institutes of Health ResearchDeakin University
Mots-clésMedicineNational Health and Nutrition Examination SurveySocioeconomic statusClinical nutritionEnvironmental healthDemographyNutrition transitionLogistic regressionAdded sugarFood groupSaturated fatObesityGerontologyPopulationOverweight

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Increasing inequalities in rates of obesity and chronic disease may be partly fuelled by increasing dietary inequalities, however very few nationally representative analyses of socioeconomic trends in dietary inequalities exist. The release of the 2011-13 Australian National Nutrition and Physical Activity Survey data allows investigation of change in dietary intake according to socioeconomic position (SEP) in Australia using a large, nationally representative sample, compared to the previous national survey in 1995. This study examined change in dietary intakes of energy, macronutrients, fiber, fruits and vegetables among Australian adults between 1995 and 2011-13, according to SEP. METHODS: Cross-sectional data were obtained from the 1995 National Nutrition Survey, and the 2011-13 National Nutrition and Physical Activity Survey. Dietary intake data were collected via a 24-h dietary recall (n = 17,484 adults) and a dietary questionnaire (n = 15,287 adults). SEP was assessed according to educational level, equivalized household income, and area-level disadvantage. Survey-weighted linear and logistic regression models, adjusted for age, sex/gender and smoking status, examined change in dietary intakes over time. RESULTS: Dietary intakes remained poor across the SEP spectrum in both surveys, as evidenced by high consumption of saturated fat and total sugars, and low fiber, fruit and vegetable intakes. There was consistent evidence (i.e. according to ≥2 SEP measures) of more favorable changes in dietary intakes of carbohydrate, polyunsaturated and monounsaturated fat in higher, relative to lower SEP groups, particularly in women. Intakes of energy, total fat, saturated fat and fruit differed over time according to a single SEP measure (i.e. educational level, household income, or area-level disadvantage). There were no changes in intake of total sugars, protein, fiber or vegetables according to any SEP measures. CONCLUSIONS: There were few changes in dietary intakes of energy, most macronutrients, fiber, fruits and vegetables in Australian adults between 1995 and 2011-13 according to SEP. For carbohydrate, polyunsaturated and monounsaturated fat, more favorable changes in intakes occurred in higher SEP groups. Despite the persistence of suboptimal dietary intakes, limited evidence of widening dietary inequalities is positive from a public health perspective. TRIAL REGISTRATION: Clinical trials registration: ACTRN12617001045303 .

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,182
Score d'incertitude au seuil0,363

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,088
Tête enseignante GPT0,393
Écart entre enseignants0,305 · 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

Citations19
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Behavioral Nutrition and Physical ActivityMême sujetNutritional Studies and DietTravaux en français237 207