Older Adults’ Awareness and Knowledge of Beans in Relation to Their Nutrient Content and Role in Chronic Disease Risk
Notice bibliographique
Résumé
Awareness and knowledge of nutrient-dense foods are important for older adults to help them make dietary choices that support a food-first approach to healthy aging. This is especially important since age is a major risk factor for chronic disease and the proportion of older adults in North America is increasing. Beans can contribute to a food-first approach to healthy aging as they are nutrient-dense and can reduce the risk of chronic diseases. However, studies exploring awareness and knowledge of beans in older adults are lacking. Therefore, the aim of this study was to explore older adults’ awareness of beans in relation to their nutrient content and role in chronic disease risk. Community-dwelling older adults (≥65 years old) were recruited and completed a validated researcher-administered questionnaire (n = 250), which was followed by 10 focus groups (n = 49). Results showed that the majority of older adults considered beans as a healthy food and thought consuming them could improve their health (99.2% and 98.0%, respectively); however, only 51.2% were bean consumers. While the majority (83.6%) of older adults were aware that a serving of beans is high in dietary fibre, bean consumers were significantly more likely to think that consuming beans could improve health areas related to dietary fibre including body weight management and constipation. Furthermore, most (84.8%) older adults thought consuming beans could improve heart health; however, bean consumers were significantly more likely to be aware that one serving of beans is low in nutrients relevant to heart health including total fat, saturated and trans fat as well as cholesterol. This research can help to inform healthcare professionals and public health agencies to create specific dietary strategies focusing on increasing older adults’ awareness and knowledge of beans in relation to their nutrient profile and role in promoting health.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».