Trends in Orange Juice Consumption and Nutrient Adequacy in Children 2003-2016
Notice bibliographique
Résumé
This study aimed to examine secular trends in 100% orange juice (OJ) consumption and trends in nutrient adequacy in children 2-18 years participating in the 2003-2016 National Health and Nutrition Examination Survey. The National Cancer Institute method was used to estimate the usual intake. Ten deciles of OJ consumption were determined based on intakes with non-consumers in the first decile. Nutrient adequacy was determined using the percentage below the Estimated Average Requirement (EAR) or the Adequate Intake (AI) percentage. Linear regression coefficients for changes in intake over time and across deciles of OJ were generated. Approximately 14% of the total sample consumed OJ with a mean intake of 40.0 g/d (77 KJ [0.9% of total energy intake]). Amounts of all 100% fruit juices consumed decreased by 44%, and whole fruit intake increased by approximately 32% from 2003-2016. Consumption of total energy, total carbohydrates, added sugars, and saturated fatty acids decreased. Intakes of folate, riboflavin, zinc, and vitamin C decreased from 2003-2016. The percentage of children below the EAR increased for vitamin C and zinc and decreased for vitamin A from 2003-2016. Percent of children above the AI increased for fiber. Across the deciles of OJ consumption, the percent of children with an inadequate vitamin D intake, calcium, iron, and phosphorus decreased. OJ and other 100% juices were major food sources of many nutrients consumed at levels below recommendations. One strategy to reduce inadequate intake of calcium, phosphorus, and potassium intake is to maintain or increase the consumption of OJ and other 100% juices
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 | 0,001 | 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 ».