Dietary Protein Intake Dynamics in Elderly Chinese from 1991 to 2018
Notice bibliographique
Résumé
Unique rapid urbanization-related changes in China may affect the dietary protein intake of the aging population. We aimed to evaluate trends in dietary protein intake and major food sources of protein and estimate conformity to the dietary reference intakes (DRIs) in the elderly Chinese population. A sample of 10,854 elderly adults aged 60 years or older, drawn from 10 waves of the China Health and Nutrition Survey (CHNS) between 1991 and 2018, was included. Protein intake data were obtained on the basis of 3-day, 24 h dietary recalls. The dietary protein intake among elderly Chinese individuals declined from 63.3 g/day to 57.8 g/day over the 28-year period, with a −0.032 ± 0.0001 g/day change per year (p < 0.05). There was a significant increase in the proportion of subjects with a protein intake level below the estimated averaged requirement (EAR) and a reduction in the proportion of subjects consuming protein above the recommended nutrient intake (RNI) across all population subgroups. Cereals ranked as the major sources of dietary protein, although their contribution to dietary protein gradually decreased as time went on. The contribution from meat steadily rose from 18.2% in 1991 to 28.7% in 2018. The proportion of energy gained from fat increased notably, reaching 34.2% in 2018. The elderly Chinese population experienced a significant reduction in dietary protein intake. Although the transformation of dietary patterns had positive effects on improving protein quality due to increases in animal source food, some elderly Chinese individuals currently face the risk of inadequate dietary protein intake.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».