Quantifying differences in packaged food and drink purchases among households with diet-related cardiometabolic multi-morbidity: a cross-sectional analysis
Notice bibliographique
Résumé
BACKGROUND: Diet is important for chronic disease management, with limited research understanding dietary choices among those with multi-morbidity, the state of having 2 or more chronic conditions. The objective of this study was to identify associations between packaged food and drink purchases and diet-related cardiometabolic multi-morbidity (DRCMM). METHODS: Cross-sectional associations between packaged food and drink purchases and household DRCMM were investigated using a national sample of U.S. households participating in a research marketing study. DRCMM households were defined as household head(s) self-reporting 2 or more diet-related chronic conditions. Separate multivariable logistic regression models were used to model the associations between household DRCMM status and total servings of, and total calories and nutrients from, packaged food and drinks purchased per month, as well as the nutrient density (protein, carbohydrates, and fat per serving) of packaged food and drinks purchased per month, adjusted for household size. RESULTS: Among eligible households, 3795 (16.8%) had DRCMM. On average, households with DRCMM versus without purchased 14.8 more servings per capita, per month, from packaged foods and drinks (p < 0.001). DRCMM households were 1.01 times more likely to purchase fat and carbohydrates in lieu of protein across all packaged food and drinks (p = 0.002, p = 0.000, respectively). DRCMM households averaged fewer grams per serving of protein, carbohydrates, and fat per month across all food and drink purchases (all p < 0.001). When carbonated soft drinks and juices were excluded, the same associations for grams of protein and carbohydrates per serving per month were seen (both p < 0.001) but the association for grams of fat per serving per month attenuated. CONCLUSIONS: DRCMM households purchased greater quantities of packaged food and drinks per capita than non-DRCMM households, which contributed to more fat, carbohydrates, and sodium in the home. However, food and drinks in DRCMM homes on average were lower in nutrient-density. Future studies are needed to understand the motivations for packaged food and drink choices among households with DRCMM to inform interventions targeting the home food environment.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».