Association between fruit and vegetable consumption and chronic diseases among food pantry users
Notice bibliographique
Résumé
Abstract Introduction Fruit and vegetable (FV) consumption can be a protective factor for chronic diseases, but few studies have investigated FV’s impact on health in the context of food/nutrition assistance system. Methods We used three health survey data collected in Upstate New York communities to construct a predictive model of food pantry use. The model was applied to a Northeastern US regional subset of SMART Behavioral Risk Factor Surveillance System (BRFSS) data to identify potential food pantry users. The associations between FV intake and diabetes, hypertension, and BMI were examined through multivariable logistic regression and linear regression analyses with food pantry use as a potential effect modifier. Results The analysis dataset had 5,257 respondents, and 634 individuals were estimated as food pantry users. Consumption of vegetables was associated with decreased odds of hypertension and a lower BMI regardless of food pantry use. Consumption of fruits was associated with decreased odds of diabetes regardless of food pantry use. The association between fruit consumption and BMI was modified by food pantry use. Among food pantry users, consumption of fruits was associated with a greater BMI, while among food pantry non-users, it was associated with a lower BMI. Conclusion The overall protective effects of increased FV consumption on chronic diseases suggest that increasing FV availability in food pantries may not only alleviate hunger but also improve health. Further research is needed to investigate the role of fruit including 100% fruit juice consumption and BMI among food pantry users.
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 | 0,000 | 0,002 |
| 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 | 0,001 | 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) | 0,007 | 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 ».