Most Frequently Consumed Red/Processed Meat Dishes and Plant-Based Foods and Their Contribution to the Intake of Energy, Protein, and Nutrients-to-Limit among Canadians
Notice bibliographique
Résumé
Using cross-sectional data from the 2015 Canadian Community Health Survey-Nutrition, we aimed to identify and characterize the top 10 most frequently consumed plant-based foods and red/processed meat dishes in the Canadian population. Plant-based foods and red/processed meat dishes categories included 659 and 265 unique food codes, respectively, from the Canadian Nutrient File. A total of 20,176 Canadian individuals aged ≥1 year were included in our analysis. The most frequently consumed plant-based food was "Cooked regular long-grain white rice", which made a significant contribution to energy (12.1 ± 0.3%) and protein (6.1 ± 0.2%) intake among consumers. The most frequently consumed red/processed meat dish in Canada was "Cooked regular, lean or extra lean ground beef or patty". Among red/processed meat dishes, "ham and cheese sandwich with lettuce and spread" made the most significant contribution to the intake of energy (21.8 ± 0.7%), saturated fat (31.0 ± 1.0%), sodium (41.8 ± 1.3%), and sugars (8.2 ± 0.5%) among the consumers. Ground beef is the most frequently consumed red/processed meat dish and white rice is the most frequently consumed plant-based food among Canadians. Red/processed meat dishes are major drivers of the excessive intake of nutrients-to-limit.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».