Consumption of Milk and Alternatives and Their Contribution to Nutrient Intakes among Canadian Adults: Evidence from the 2015 Canadian Community Health Survey—Nutrition
Notice bibliographique
Résumé
As a staple food and dense source of nutrients, milk and alternatives play an important role in nutrient adequacy. The aims of this study were to quantify the consumption of milk and alternatives within Canadian self-selected diets and determine their contribution to intakes of nutrients and energy. First, 24-h dietary recalls from the 2015 Canadian Community Health Survey-Nutrition were used to assess 1-d food and nutrient intakes among Canadian adults ≥19 y (n = 13,616). Foods were classified as milk and alternatives according to the 2007 Canada's Food Guide. Descriptive statistics were used to calculate daily servings of milk and alternatives by different age groups and demographic characteristics. Population ratios were used to discern their contribution to total intakes of nutrients and energy. Mean daily servings (±SE) were highest for milk (0.60 ± 0.02) and cheese (0.42 ± 0.01), intermediate for frozen dairy (0.16 ± 0.01) and yoghurt (0.14 ± 0.01), and lowest for soy and other dairy (<0.03). Intakes were lowest among Canadians 51+ y (1.3 ± 0.03), females (1.25 ± 0.03), non-Caucasians (1.06 ± 0.05), those with less than a secondary education (1.19 ± 0.05), and British Columbians (1.17 ± 0.05). Milk and alternatives contributed >20% to total intakes of calcium (52.62 ± 0.46%), vitamin D (38.53 ± 0.78%), saturated fat (28.84 ± 0.51%), vitamin B12 (27.73 ± 0.57%), vitamin A (26.16 ± 0.58%), phosphorus (24.76 ± 0.35%), and riboflavin (24.43 ± 0.37%), of which milk was the top source. Milk and alternatives contribute substantially to nutrient intakes and thus warrant further attention in terms of mitigating nutrient inadequacy among the Canadian population.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».