MétaCan
Menu
← Retour à la cohorte
Enregistrement W4310937671 · doi:10.17269/s41997-022-00724-7

Sociodemographic patterning of dietary profiles among Inuit youth and adults in Nunavik, Canada: a cross-sectional study

2022· article· en· W4310937671 sur OpenAlexafffundvenueabout
Amira Aker, Pierre Ayotte, Chris Furgal, Tiff‐Annie Kenny, Matthew Little, Marie-Josée Gauthier, Amélie Bouchard, Mélanie Lemire

Notice bibliographique

RevueCanadian Journal of Public Health · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensNunavik Regional Board of Health and Social ServicesThe Quebec Population Health Research NetworkUniversity of VictoriaTrent UniversityInstitut National de Santé Publique du QuébecUniversité Laval
Organismes subventionnairesNorthern Contaminants ProgramSentinelle Nord, Université LavalFonds de Recherche du Québec - SantéMinistère de la SantéMinistère de la Santé et des Services sociauxArcticNetInstitut National de Santé Publique du QuébecCrown-Indigenous Relations and Northern Affairs CanadaUniversité Laval
Mots-clésEnvironmental healthMultinomial logistic regressionConsumption (sociology)Cross-sectional studyGeographyLogistic regressionFood consumptionDemographyMedicineEconomics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Country (traditional) foods are integral to Inuit culture, but market food consumption is increasing. The Qanuilirpitaa? 2017 Nunavik Health Survey (Q2017) reported similar country food consumption frequency compared to that in 2004; however, examining food items individually does not account for diet patterns, food accessibility, and correlations between food items. Our objective was to identify underlying dietary profiles and compare them across sex, age, ecological region, and food insecurity markers, given the links among diet, health, and sociocultural determinants. METHODS: Food frequency and sociodemographic data were derived from the Q2017 survey (N = 1176). Latent profile analysis identified dietary profiles using variables for the relative frequencies of country and market food consumption first, followed by an analysis with those for country food variables only. Multinomial logistic regression examined the associations among dietary profiles, sociodemographic factors, and food insecurity markers (to disassociate between food preferences and food access). RESULTS: Four overall dietary profiles and four country food dietary profiles were identified characterized by the relative frequency of country and market food in the diet. The patterns were stable across several sensitivity analyses and in line with our Inuit partners' local knowledge. For the overall profiles, women and adults aged 30-49 years were more likely to have a market food-dominant profile, whereas men and individuals aged 16-29 and 50+ years more often consumed a country food-dominant profile. In the country food profiles, Inuit aged 16-29 years were more likely to have a moderate country food profile whereas Inuit aged 50+ were more likely to have a high country food-consumption profile. A low country and market food-consumption profile was linked to higher prevalence of food insecurity markers. CONCLUSION: We were able to identify distinct dietary profiles with strong social patterning. The profiles elucidated in this study are aligned with the impact of colonial influence on diet and subsequent country food promotion programs for Inuit youth. These profiles will be used for further study of nutritional status, contaminant exposure, and health to provide context for future public health programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,341
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2022
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Public Health→Même sujetIndigenous Studies and Ecology→Travaux en français237 207→