Socio-demographic correlates of ultra-processed food consumption in Canada
Notice bibliographique
Résumé
Abstract Objective: To characterise consumption of ultra-processed foods and drinks (UPF) across a range of socio-demographic characteristics of Canadians. Design: Cross-sectional study. The national-level 2015 Canadian Community Health Survey–Nutrition provided data on all foods and drinks consumed on the previous day via a 24-hour dietary recall. All food items were classified according to the type of industrial processing using the NOVA system. Multivariable linear regression models examined associations between a range of socio-demographic characteristics and the mean energy contribution (% of total daily energy intake) from total UPF and UPF subgroups. Setting: The ten Canadian provinces. Participants: Canadians aged 2 or older ( n 20 103). Results: UPF contributed, on average, nearly half (44·9 %) of total daily energy intake of Canadians. Children aged 6–12 and adolescents aged 13–18 consumed over half of total daily energy from UPF (adjusted means of 51·9 % and 50·7 %, respectively). Recent and long-term immigrants consumed a significantly lower share of energy from UPF (adjusted means of 42·2 % and 45·1 %, respectively) compared with non-immigrants (54·4 %), as did the food secure (42·8 %) v . those in moderately (48·1 %) or severely food-insecure households (50·8 %). More modest differences were observed for intake of total UPF and UPF subgroups by sex, education, income adequacy and region of residence. Conclusion: Levels of UPF consumption in 2015 in Canada were pervasive in all socio-demographic groups and highest among children and adolescents, non-immigrants and those living in food-insecure households. These findings can inform public health interventions to reduce UPF consumption and promote healthier diets in various socio-demographic groups.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 ».