Food sources of energy and nutrients among Canadian adults following a gluten-free diet
Notice bibliographique
Résumé
BACKGROUND: The gluten-free diet (GFD) involves the elimination of wheat and related grains. Wheat is a key fortification vehicle for nutrients such as iron and B vitamins. While there is growing evidence of low nutrients intake and poor diet quality amongst people following long-term GFD, few studies have used a dietary pattern approach to analyse top food sources of nutrients in today's complex food environment. Thus, the purpose of this study was to identify food sources of energy and nutrients from previously collected diet records of adults following a GFD. METHODS: = 240 records). All food items were categorised according to the Bureau of Nutritional Sciences Food Group Codes. Percentages of total dietary intakes from food groups were ranked. RESULTS: Mean intakes of dietary fibre, calcium and iron (females) were lower than recommended, with half the sample consuming below the recommended proportion of energy as carbohydrate. Meat, poultry and fish were the top source of energy (19.5%) in the diet. Gluten-free (GF) grain products were the top source of carbohydrate, fibre and iron and second greatest source of energy. Amongst grains, breakfast/hot cereals, yeast breads, and mixed grain dishes were the greatest nutrient contributors, despite most commercial cereals and breads (65%) being unenriched. Legumes were not frequently consumed. CONCLUSIONS: GF grains were the top food source of carbohydrate, fibre and iron, despite few brands being enriched or fortified. It is a challenge to assess and monitor nutrient intakes on GFD due to the lack of nutrient composition data for B vitamins and minerals (other than iron). Dietary planning guidance for the appropriate replacement of nutrients provided by wheat is warranted.
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 | 0,000 | 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 ».