Optimisation modelling to improve the diets of First Nations individuals
Notice bibliographique
Résumé
We examined the feasibility of linear programming (LP) to develop diets that were economical, included traditional (cultural, non-market) foods and met the dietary reference intakes (DRI) in a Canadian Indigenous population. Diet optimisation using LP is a mathematical technique that can develop food-based dietary guidelines for healthy eating in Indigenous populations where food insecurity, availability and cost are important considerations. It is a means of developing nutritionally optimal food combinations that are based on economical and culture-specific foods. Observed food consumption data were derived using 24-h food recalls from the First Nations Food, Nutrition and Environment Study. The LP models were constructed to develop diets meeting DRI, cost and food constraints. Achieving the recommended food intake was not feasible in a model meeting all nutrient requirements. Models that met most nutrient requirements at reduced cost were designed for men and women, separately. In women, it was necessary to increase energy intake to meet most nutrient requirements. Nutrient requirements could not be met for fibre, linoleic and linolenic acids, vitamin D, Ca and K in both sexes, P in women, and Mg and vitamin A in men. Using LP to develop optimal diets for First Nations people, we found simultaneous achievement of all DRI was difficult, suggesting that supplementation might be necessary which goes against recommendations for individuals to meet their nutrient needs through healthy eating patterns. Additionally, to make diets feasible, programmes to reduce market food costs and to support First Nations people in traditional food harvesting are recommended.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».