MétaCan
Menu
Retour à la cohorte
Enregistrement W4390111185 · doi:10.2196/54805

Prevalence and Correlates of Dietary and Nutrition Information Seeking Through Various Web-Based and Offline Media Sources Among Japanese Adults: Web-Based Cross-Sectional Study

2023· article· en· W4390111185 sur OpenAlexvenueno aff
Kentaro Murakami, Nana Shinozaki, Tsuyoshi Okuhara, Tracy A. McCaffrey, M. Barbara E. Livingstone

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Health, Labour and Welfare
Mots-clésCross-sectional studyEnvironmental healthNutrition informationWorld Wide WebComputer scienceMedicineBiologyFood science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The advent of the internet has changed the landscape of available nutrition information. However, little is known about people's information-seeking behavior toward healthy eating and its potential consequences. OBJECTIVE: We aimed to examine the prevalence and correlates of nutrition information seeking from various web-based and offline media sources. METHODS: This cross-sectional study included 5998 Japanese adults aged 20 to 79 years participating in a web-based questionnaire survey (February and March 2023). The dependent variable was the regular use of web-based and offline media as a reliable source of nutrition information. The main independent variables included health literacy, food literacy, and diet quality, which were assessed using validated tools, as well as sociodemographic factors (sex, age, education level, and nutrition- and health-related occupations). RESULTS: The top source of nutrition information was television (1973/5998, 32.89%), followed by web searches (1333/5998, 22.22%), websites of government and medical manufacturers (997/5998, 16.62%), newspapers (901/5998, 15.02%), books and magazines (697/5998, 11.62%), and video sites (eg, YouTube; 634/5998, 10.57%). Multivariable logistic regression showed that higher health literacy was associated with higher odds of using all the individual sources examined; odds ratios (ORs) for 1-point score increase ranged from 1.27 (95% CI 1.09-1.49) to 1.81 (95% CI 1.57-2.09). By contrast, food literacy was inversely associated with the use of television (OR 0.65, 95% CI 0.55-0.77), whereas it was positively associated with the use of websites of government and medical manufacturers (OR 1.98, 95% CI 1.62-2.44), books and magazines (OR 2.09, 95% CI 1.64-2.66), and video sites (OR 1.53, 95% CI 1.19-1.96). Furthermore, diet quality was positively associated with the use of newspapers (OR 1.02, 95% CI 1.01-1.03) and books and magazines (OR 1.03, 95% CI 1.02-1.04). Being female was associated with using television and books and magazines, whereas being male was associated with using websites of government and medical manufacturers, newspapers, and video sites. Age was positively associated with using newspapers and inversely associated with using websites of government and medical manufacturers and video sites. People with higher education were more likely to refer to websites of government and medical manufacturers and newspapers but less likely to use television and video sites. Dietitians were more likely to use websites of government and medical manufacturers and books and magazines than the general public but less likely to use television and video sites. CONCLUSIONS: We identified various web-based and offline media sources regularly used by Japanese adults when seeking nutrition information, and their correlates varied widely. A lack of positive associations between the use of the top 2 major sources (television and web searches) and food literacy or diet quality is highlighted. These findings provide useful insights into the potential for developing and disseminating evidence-based health promotion materials.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,374
Écart entre enseignants0,336 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetHealth Literacy and Information AccessibilityTravaux en français237 207