Utilisation de suppléments alimentaires et apport en fer, en zinc et en folate chez les femmes enceintes de London, Ontario
Notice bibliographique
Résumé
<sec> <title>Introduction</title> Nous avons examiné l’apport alimentaire en fer, en zinc et en folate, estimé à partir d’aliments et de suppléments, chez 2 019 femmes enceintes ayant participé au Prenatal Health Project (PHP). Le PHP a recruté des femmes enceintes dans des cliniques d’échographie de London (Ontario) entre 2002 et 2005. </sec> <sec> <title>Méthodologie</title> Les participantes ont répondu à une enquête téléphonique qui comprenait un questionnaire sur la fréquence de consommation des aliments, ainsi que des questions sur l’utilisation de suppléments alimentaires, ce qui nous a permis d’établir les fréquences d’utilisation de suppléments alimentaires. Nous avons estimé les valeurs d’apport nutritionnel à partir des aliments et des suppléments puis nous les avons additionnées pour calculer l’apport quotidien total. </sec> <sec> <title>Résultats</title> La plupart des femmes prenaient un supplément de multivitamines, et elles étaient nombreuses à prendre des suppléments d’acide folique et de fer; toutefois, un cinquième de l’échantillon n’utilisait aucun supplément contenant l’un de ces trois micronutriments. Malgré le fait que, dans l’ensemble, ces femmes bénéficiaient d’un statut socio-économique élevé, une proportion importante de la cohorte affichait des valeurs inférieures aux valeurs de l’apport nutritionnel recommandé pour le fer, le zinc et le folate. Ces résultats laissent croire que d’autres obstacles auraient une incidence sur les habitudes alimentaires. </sec> <sec> <title>Conclusion</title> Il faut pousser plus loin la recherche quant à la façon de mieux promouvoir l’utilisation de suppléments et une saine alimentation durant la grossesse. </sec>
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 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 ».