Notice bibliographique
Résumé
Une bonne alimentation peut-elle nous aider a mieux vieillir? La recherche menee au cours des quarante dernieres annees nous incite fortement a le croire. En effet, un nombre important de travaux indiquent qu’une alimentation variee et equilibree favorise le maintien des fonctions physiologiques et contribue a l’autonomie et au bien-etre des personnes jusqu’a un âge avance. Par ailleurs, la grande majorite des desordres observes au cours du vieillissement – l’osteoporose, le diabete et l’hypertension, par exemple – sont lies a des questions de nutrition. Cet ouvrage se consacre a l’etude de la relation complexe entre alimentation et vieillissement en analysant en detail le profil alimentaire des aines et leurs besoins nutritionnels. On y presente notamment: • les problemes nutritionnels frequents chez les personnes âgees, comme la denutrition, la deshydratation ou la dysphagie ; les notions de base necessaires a la comprehension des particularites nutritionnelles inherentes au vieillissement ; • les facteurs susceptibles d’influer sur les apports nutritionnels ; • l’evaluation nutritionnelle ; • les nouvelles recommandations nutritionnelles en ce qui a trait notamment a l’energie, aux macronutriments, a l’eau, etc. ; • le nouveau Guide alimentaire canadien ; les composes alimentaires exercant des actions importantes sur l’organisme. • et un tout nouveau chapitre sur les profils alimentaires des aines canadiens et quebecois. En somme, ce livre est une veritable reference pour les etudiants en gerontologie et plus largement pour toutes les personnes qui se preoccupent de nutrition liee au vieillissement. Guylaine Ferland est professeure titulaire au departement de nutrition de la Faculte de medecine de l’Universite de Montreal et chercheure a l’Institut universitaire de geriatrie de Montreal et a l'Hopital du Sacre-coeur a Montreal.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».