Group-Based Nutrition Interventions to Promote Health and Mobility in Community-Dwelling Older Adults: A Systematic Review
Notice bibliographique
Résumé
Abstract Objective: To identify the efficacy of group-based nutrition interventions to increase healthy eating, reduce nutrition risk, improve nutritional status, and improve physical mobility among community-dwelling older adults.Design: Systematic review. Electronic databases MEDLINE, CINAHL, EMBASE, PsycINFO, and Sociological Abstracts were searched on July 15, 2020, for studies published in English since January 2010. Study selection, critical appraisal (using the Joanna Briggs Institute’s critical appraisal tools), and data extraction were performed in duplicate by two independent reviewers.Setting: Nutrition interventions delivered to groups in community-based settings were eligible. Studies delivered in acute or long-term care settings were excluded.Participants: Community-dwelling older adults aged 55+ years. Studies targeting specific disease populations or promoting weight loss were excluded.Results: Thirty-one experimental and quasi-experimental studies with generally unclear-high risk of bias were included. A broad range of interventions were identified, including nutrition education with behaviour change techniques (e.g., goal setting, interactive cooking demonstrations) (n=21), didactic nutrition education (n=4), interactive nutrition education (n=2), food access (n=2), and nutrition education with behaviour change techniques and food access (n=2). Group-based nutrition education with behaviour change techniques demonstrated the most promise in improving food and fluid intake, nutritional status, and healthy eating knowledge compared to baseline or control. The impact on mobility outcomes was unclear. Conclusions: Our findings should be interpreted with caution related to generally low certainty, unclear-high risk of bias, and high heterogeneity across interventions and outcomes in this body of literature. Quality research in group-based nutrition education for older adults is needed.
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 | 0,007 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,006 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».