Consumption of High-Risk Foods in the Canadian Population, Foodbook Study, 2014 to 2015
Notice bibliographique
Résumé
ABSTRACT: Many foods have the potential to cause foodborne illness; however, some pose a higher risk. Data were collected through the Foodbook study, a population-based telephone survey conducted between 2014 and 2015 that assessed 10,942 Canadians' food exposures using a 7-day recall period. The 19 foods included in the survey were identified as high risk for common foodborne pathogens in Canada. Results were analyzed by age group, gender, region of residence, income, and education. Consumption proportions of high-risk foods ranged from 0.4% (raw oysters) to 49.3% (deli meats). Roughly 94% of the population reported consuming one or more high-risk food in the past week. Certain high-risk food behaviors were associated with demographic characteristics. High-risk adults such as those 65 years or older still report consuming high-risk foods of concern, including deli meats (41.8%), soft cheeses (13.7%), and smoked fish (6.3%). Consumption of certain foods differed between genders, with males consuming significantly more deli meats, hot dogs, and raw or undercooked eggs and females consuming significantly more prebagged mixed salad greens. The overall number of high-risk foods consumed was similar, with both genders most frequently consuming three to five high-risk foods. High-risk food consumption was seen to increase with increasing household income, with 14.2% of the highest income level consuming six-plus high-risk foods in the past week, compared with 7.1% of the lowest income level. If a respondent had heard of a risk of foodborne illness associated with a food, it did not affect whether it was consumed. Additional consumer food safety efforts put in place alongside current messaging may improve high-risk food consumption behaviors. Enhancing current messaging by using multifaceted communications (e.g., social media and information pamphlets) and highlighting the large incidence and severity of foodborne illnesses in Canada are important strategies to improve behavior change.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 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 ».