Protein consumption in Canadian habitual diets: usual intake, inadequacy, and the contribution of animal- and plant-based foods to nutrient intakes
Notice bibliographique
Résumé
The 2019 Canada’s Food Guide (CFG) emphasizes consumption of plant protein with implications for protein adequacy and nutrient intakes, yet a baseline with which to compare future dietary trends that may result from its adoption is not available. The objectives were to assess usual protein intake, inadequacy, and the contribution of animal- and plant-based foods to intake of protein, nutrients, and energy in Canada. Twenty-four-hour dietary recalls from the 2015 Canadian Community Health Survey – Nutrition were used to assess dietary intake among adults (n = 13 616). The National Cancer Institute method was used to estimate usual protein intake and inadequacy. Population ratios were used to determine the contribution of animal- and plant-based foods to intake of protein, nutrients, and energy. Usual protein intake averaged 79.47 ± 0.70 g/d; inadequacy was highest for females ≥71 y (9.76 ± 2.04%). Top protein contributors were red and processed meat (21.6 ± 0.55%), poultry and eggs (20.1 ± 0.81%), cereals, grains, and breads (19.5 ± 0.31%), and dairy (16.7 ± 0.38%). Dairy contributed most to calcium (53.4 ± 0.61%), vitamin D (38.7 ± 1.01%), but also saturated fat (40.6 ± 0.69%), whereas cereals, grains, and breads contributed most to iron (46.5 ± 0.57%) and vegetables and fruit to potassium (32 ± 0.45%). Given that animal sources contributed overwhelmingly to protein intake in 2015, dietary shifts towards plant protein needed to meet the 2019 CFG recommendations may pose a challenge, particularly for populations most at risk of inadequacy. Novelty: Older adults and females are most at risk of not meeting protein recommendations. Animal sources contribute two-thirds of the protein consumed by Canadian adults.
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 | 0,001 |
| 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 ».