Identifying individual factors associated with pleasure of eating healthy foods and plant/animal protein food consumption: findings from an exploratory study
Notice bibliographique
Résumé
Purpose This study identifies new factors influencing the adoption of two recently promoted messages in Canada's updated food guide (FG): enhancing pleasure of eating healthy foods (PEHFs) and shifting food choices towards plant protein foods. Currently, limited and contradictory evidence is available regarding associations between environmental values, nutrition literacy, PEHFs, and plant/animal protein food consumption. Design/methodology/approach An online survey measuring environmental values; nutrition literacy, distinctively based on previous (2007) and most recent (2019) FG messages; PEHFs; and annual changes in the consumption of protein foods was sent to Quebec residents (N = 128). Findings Greater nutrition literacy of both 2007 and 2019 FGs and greater environmental values were associated with greater PEHFs (ß = 0.248, p < 0.01; ß = 0.209, p < 0.05; ß = 0.423, p < 0.001, respectively). Greater PEHFs was associated with greater consumption of plant protein foods (ß = 0.405, p < 0.001). Greater nutrition literacy of the 2007 FG was associated with greater consumption of animal protein foods (ß = 0.409, p < 0.001), whereas greater nutrition literacy of the 2019 FG was linked to lower consumption of animal protein foods (ß = −0.225, p < 0.05). Practical implications Enhancing PEHFs may require increasing general FG nutrition literacy and strengthening environmental values. To encourage plant protein food consumption and decrease animal protein food consumption, the authors recommend promoting PEHFs and increasing nutrition literacy based on newest FG recommendations. Originality/value This new evidence may help develop strategies promoting PEHFs and plant protein food consumption, thus increasing uptake of new FG recommendations.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».