The <scp>Food4Years</scp> Ageing Network: Improving foods and diets as a strategy for supporting quality of life, independence and healthspan in older adults
Notice bibliographique
Résumé
By 2050, it is predicted that one in four people in the United Kingdom will be aged 65 years and over. Increases in lifespan are not always translated into years spent in good health. Incidence rates for chronic diseases are increasing, with treatments allowing people to live longer with their disease. There is good evidence to support changes to lifestyle to maintain or improve body composition, cognitive health, musculoskeletal health, immune function and vascular health in older adults. Much research has been done in this area, which has produced significant support for foods and nutrients that contribute to improved healthspan. Yet two major barriers remain: firstly, older adult consumers are not meeting current UK recommendations for macro- and micronutrients that could benefit health and quality of life and secondly, the UK-specific recommendations may not be sufficient to support the ageing population, particularly for nutrients with key physiological roles. More work is needed to improve intakes of specific foods, diets and nutrients by older adults, through a variety of mechanisms including (i) development of specific food products; (ii) improved clarity of information and (iii) appropriate marketing, and policy changes to enable incentives. The Food4Years Ageing Network aims to build a wide-reaching and multidisciplinary community that is committed to the development, integration and communication of healthy, affordable foods and specific diets for all older adults across the UK food landscape. The Network will identify evidence-based strategies for improving food intake and nutrition in older adults, paving the way to "living well while living longer."
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».