A More Supportive Social Environment May Protect Against Nutritional Risk: A Cross-Sectional Analysis Using Data From the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
BACKGROUND: Nutritional risk has been linked to individual social factors, but the relationship with the overall social environment has not been assessed. OBJECTIVES: To evaluate associations between different support profiles of the social environment and nutritional risk using cross-sectional data from the Canadian Longitudinal Study on Aging (n = 20,206). Subgroup analyses were performed among middle-aged (range, 45-64 y; n = 12,726) and older-aged (≥65 y, n = 7480) adults. Consumption of major food groups [whole grains, proteins, dairy products, and fruits and vegetables (FV)] by social environment profile was a secondary outcome. METHODS: Latent structure analysis (LSA) classified participants into social environment profiles according to data on network size, social participation, social support, social cohesion, and social isolation. Nutritional risk and food group consumption were assessed with the SCREEN-II-AB and Short Dietary questionnaires, respectively. ANCOVA was conducted to compare SCREEN-II-AB mean scores by social environment profile, adjusted for sociodemographic and lifestyle factors. Models were repeated to compare mean food group consumption (times/day) by social environment profile. RESULTS: LSA identified 3 social environment profiles classified as low, medium, and high support (17%, 40%, and 42% of the sample, respectively). Adjusted mean SCREEN-II-AB scores significantly increased with increasing social environment support, with the low support score indicating high nutritional risk status [low, medium, high support, respectively: 37.1 (99% CI: 36.9, 37.4), 39.3 (39.2, 39.5), 40.3 (40.2, 40.5), all comparisons P < 0.0001]. Results were consistent among age subgroups. The low support social environment profile had lower consumption of protein [low, medium, high support, respectively (mean ± SD): 2.17 ± 0.09, 2.21 ± 0.07, 2.23 ± 0.08, P = 0.004], dairy (2.32 ± 0.23, 2.40 ± 0.20, 2.38 ± 0.21, P = 0.009), and FV (3.65 ± 0.23, 3.94 ± 0.20, 4.08 ± 0.21, P < 0.0001), with some variation among age subgroups. CONCLUSIONS: The low support social environment profile had the poorest nutritional outcomes. Therefore, a more supportive social environment may protect against nutritional risk among middle- and older-aged adults.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».