Can eating pleasure be a lever for healthy eating? A systematic scoping review of eating pleasure and its links with dietary behaviors and health
Notice bibliographique
Résumé
The aims of this review were to map and summarize data currently available about 1) key dimensions of eating pleasure; 2) associations of eating pleasure, and its key dimensions, with dietary and health outcomes and 3) the most promising intervention strategies using eating pleasure to promote healthy eating. Using the scoping review methodology, a comprehensive search of the peer-reviewed literature (Medline, PsycInfo, Embase, ERIC, Web of Science, CINAHL, ABI/Inform global and Sociology Abstract) and of the grey literature (ProQuest Dissertations & Theses and Google) was carried out by two independent reviewers. We included 119 of the 28,908 studies found. In total, 89 sub-dimensions of eating pleasure were grouped into 22 key dimensions. The most frequently found related to sensory experiences (in 50.9% of the documents), social experiences (42.7%), food characteristics besides sensory attributes (27.3%), food preparation process (19.1%), novelty (16.4%), variety (14.5%), mindful eating (13.6%), visceral eating (12.7%), place where food is consumed (11.8%) and memories associated with eating (10.9%). Forty-five studies, mostly cross-sectional (62.2%), have documented links between eating pleasure and dietary and/or health outcomes. Most studies (57.1%) reported favorable associations between eating pleasure and dietary outcomes. For health outcomes, results were less consistent. The links between eating pleasure and both dietary and health outcomes varied according to the dimensions of eating pleasure studied. Finally, results from 11 independent interventions suggested that strategies focusing on sensory experiences, cooking and/or sharing activities, mindful eating, and positive memories related to healthy food may be most promising. Thus, eating pleasure may be an ally in the promotion of healthy eating. However, systematically developed, evidence-based interventions are needed to better understand how eating pleasure may be a lever for healthy eating.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,014 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».