Characterizing Canadian long-term care home consumed foods and their inflammatory potential: a secondary analysis
Notice bibliographique
Résumé
BACKGROUND: Nutrient dense food that supports health is a goal of food service in long-term care (LTC). The objective of this work was to characterize the "healthfulness" of foods in Canadian LTC and inflammatory potential of the LTC diet and how this varied by key covariates. Here, we define foods to have higher "healthfulness" if the are in accordance with the evidence-based 2019 Canada's Food Guide, or with comparatively lower inflammatory potential. METHODS: We conducted a secondary analysis of the Making the Most of Mealtimes dataset (32 LTC homes; four provinces). A novel computational algorithm categorized food items from 3-day weighed food records into 68 expert-informed categories and Canada's Food Guide (CFG) food groups. The dietary inflammatory potential of these food sources was assessed using the Dietary Inflammatory Index (DII). Comparisons were made by sex, diet texture, and nutritional status. RESULTS: Consumption patterns using expert-informed categories indicated no single protein or vegetable source was among the top 5 most commonly consumed foods. In terms of CFG's groups, protein food sources (i.e., foods with a high protein content) represented the highest proportion of daily calorie intake (33.4%; animal-based: 31.6%, plant-based: 1.8%), followed by other foods (31.3%) including juice (9.8%), grains (25.0%; refined: 15.0%, whole: 10.0%), and vegetables/fruits (10.3%; plain: 4.9%, with additions: 5.4%). The overall DII score (mean, IQR) was positive (0.93, 0.23 to 1.75) indicating foods consumed tend towards a pro-inflammatory response. DII was significantly associated with sex (female higher; p<0.0001), and diet (minced higher; p=0.036). CONCLUSIONS: "Healthfulness" of Canadian LTC menus may be enhanced by lowering inflammatory potential to support chronic disease management through further shifts from refined to whole grains, incorporating more plant-based proteins, and moving towards serving plain vegetables and fruits. However, there are multiple layers of complexities to consider when optimising foods aligned with the CFG, and shifting to foods with anti-inflammatory potential for enhanced health benefits, while balancing nutrition and ensuring sufficient food and fluid intake to prevent or treat malnutrition.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».