Cross-Country Differences and Similarities in Undernutrition Prevalence and Risk as Measured by SCREEN II in Community-Dwelling Older Adults
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Undernutrition is highly prevalent among community-dwelling older adults. Early identification of nutrition risk is important to prevent or treat undernutrition. This study describes the prevalence rates of nutrition risk in community-dwelling older adults (aged ≥ 65) using the same validated tool across different countries and aims to identify differences in nutritional risk factors. Cross-sectional data was obtained from three datasets including participants from the Netherlands (NL), Canada (CA) and New Zealand (NZ). Seniors in the Community Risk Evaluation for Eating and Nutrition II (SCREEN II) was used to assess nutritional risk factors and prevalence of risk. Differences between countries were tested with logistic and linear regression. Sensitivity analyses were conducted to test the influence of sampling strategy. A total of 13,340 participants were included, and 66.3% were found to be at high nutrition risk. After stratifying the data for method of data sampling, prevalence rates showed some differences across countries (NL: 61.5%, NZ: 68.2%, CA: 70.1%). Risk factor items that contributed to nutrition risk also differed among countries: NZ and CA participants scored higher for weight change, skipping meals, problems with meal preparation, use of meal replacements, problems with biting and chewing, low fluid intake and problems with doing groceries, as compared to participants in NL. Low intake of fruits and vegetables and meat were more prevalent in NL. In conclusion: nutrition risk is a worldwide, highly prevalent problem among community-dwelling older adults, but risk factors contributing to nutrition risk differ by country.
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.
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 | 0,001 |
| 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 découle