Dietary Salt–Related Knowledge, Attitudes, and Behaviors of New Zealand Adults Aged 18–65 Years
Notice bibliographique
Résumé
OBJECTIVE: To explore dietary salt-related knowledge, attitudes, and behaviors of New Zealand (NZ) adults aged 18-65 years and assess differences by demographic subgroups. DESIGN: Cross-sectional online survey conducted between June 1, 2018 and August 31, 2018. SETTING: Participants were recruited in shopping malls, via social media, and a market research panel. PARTICIPANTS: English-speaking adults residing in NZ. VARIABLES MEASURED: An amended version of The Pan American and World Health Organization Knowledge, Attitudes, and Behaviors standardized survey tool was used. Demographic data (age, sex, ethnicity, and educational attainment) were also collected. ANALYSIS: Descriptive statistics reported. Chi-square test for independence to assess differences by demographics. RESULTS: The survey was completed by 1,131 adults (mean age 36 ± 15 years; n = 876 [78%] female; n = 661 [78%] NZ European/other; n = 210 [19%] Asian; n =164 [15%] Māori). In addition, 865 participants (83%) knew the primary dietary source of salt; 406 (40%) knew the recommended salt intake; 946 (95%) believed food manufacturers are responsible for sodium reduction; 563 (55%) supported government regulations; and 259 (26%) used food labels. Females and NZ European/other participants reported more favorable salt-reducing behaviors, such as avoiding fast-food and packaged, ready-to-eat foods (P < 0.001). CONCLUSIONS AND IMPLICATIONS: Improving salt-related knowledge, attitudes, and behaviors in NZ is particularly important for men, underserved populations, and adults aged 45-65 years. A multicomponent, national NZ salt reduction program based on research addressing engagement and effectiveness for at-risk groups is warranted.
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 | 0,000 |
| 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 ».