Social network characteristics are correlated with dietary patterns among middle aged and older South Asians living in the United States (U.S.)
Notice bibliographique
Résumé
Abstract Background Social and cultural norms, operating through social networks, may influence an individual’s dietary choices. We examined correlations between social network characteristics and dietary patterns among South Asians in the United States (U.S.) Methods Data from the Mediators of Atherosclerosis in South Asians Living in America (MASALA) Social Network study were analyzed among 756 participants (mean age = 59 y standard deviation [SD] = 9 y; 44% women). A culturally adapted, validated food frequency questionnaire was used for dietary assessment. A posteriori dietary patterns using principal component analysis were named 1) animal protein, 2) fried snacks, sweets and high-fat dairy, and 3) fruits, vegetables, nuts and legumes. Social network characteristics were assessed using a standard egocentric approach, where participants (egos) self-reported data on perceived dietary habits of their network members. Partial correlations between social network characteristics and egos’ dietary patterns were examined. Results The mean social network size of egos was 4.2 (SD = 1.1), with high proportion of network members being family (72%), South Asian ethnicity (89%), and half having daily contact. Animal protein pattern scores were negatively correlated with fruits and cooked vegetables consumption of network. Fried snacks, sweets and high-fat dairy pattern scores were positively correlated with sugar-sweetened beverages, South Asian sweets, fried/fast foods and ghee (clarified butter) consumption of network. Fruits, vegetables, nuts and legumes pattern scores were positively correlated with vegetables, fruits, and brown rice/quinoa consumption of network. Conclusions Network member characteristics and their perceived dietary behaviors were correlated with dietary patterns of egos. Dietary intervention studies among South Asians should consider social network characteristics as candidate components for dietary intervention.
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 | 0,001 | 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 ».