Top Sodium Food Sources in the American Diet—Using National Health and Nutrition Examination Survey
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Reducing population-level sodium intake can reduce hypertension, an important preventative strategy to lower the risk of cardiovascular diseases, the leading cause of death in the United States. Considering that most dietary sodium is derived from prepackaged foods, this study quantitatively estimates the proportion contribution and mean sodium intake from key food category contributors to total sodium intake in the US population. Data from the 2017–2018 National Health and Nutrition Examination Survey, which collected interviewer-administered 24 h dietary recalls from Americans (n = 7081), were analyzed. Based on the average proportion contributed, the top 15 sources of sodium were identified overall and by age/sex, poverty–income and race/ethnicity. More than 50% of US population-level dietary sodium intake was contributed by: pizza (5.3%); breads, rolls and buns (4.7%); cold cuts and cured meats (4.6%); soups (4.4%); burritos and tacos (4.3%); savoury snacks (4.1%); poultry (4.0%); cheese (3.1%); pasta mixed dishes (2.9%); burgers (2.5%); meat mixed dishes (2.5%); cookies, brownies and cakes (2.4%); bacon, frankfurters and sausages (2.4%); vegetables (2.2%); and chicken nuggets (1.5%), with the results remaining consistent among population subgroups. The results identified the top sources of sodium in the American population overall, as well as in key population subgroups, which can inform policies and programs aimed at reducing sodium 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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle