Dietary Patterns Among Canadian Caucasians and Their Association With Chronic Conditions
Notice bibliographique
Résumé
BACKGROUND: Understanding the dietary patterns of populations is crucial in addressing chronic health conditions that are influenced by diet and lifestyle. We aimed to identify the dietary patterns among adult Caucasian Canadians and examine their associations with socioeconomic and sociodemographic factors and chronic health conditions. METHODOLOGY: We used two comprehensive national nutrition surveys: Canadian Community Health Survey (CCHS)2015 and CCHS Cycle 2.2 Nutrition 2004, which encompass sociodemographic and socioeconomic profiles, nutrient-rich food diet quality scores and prevalence of chronic conditions. Through cluster analysis, dietary patterns were identified among Caucasians and further analysed with stratification by age/sex groups. RESULTS: Our analysis of dietary patterns among Caucasian adults showed a transition from "High-Fibre" and "Mixed" patterns in 2004 to "Unhealthy," "Healthy-like" and "Potato, Beef and Vegetables" in 2015. In 2004, the "Mixed" pattern was prevalent, but by 2015, a shift towards the "Unhealthy" pattern was notable, with a significant portion of the population, 18.8%, reporting chronic diseases and 19.6% being classified as obese. The "Healthy-like" pattern in 2015 saw lower rates of chronic diseases (6.8%) and obesity (6.1%). Gender-specific patterns showed women favoring healthier options like "Healthy-like" in 2015. The prevalence of chronic diseases and obesity varied significantly with dietary patterns. The "High-Fibre" pattern in 2004 showed lower prevalence rates of chronic diseases (6.6%) and obesity (5.8%) compared to the "Unhealthy" pattern in 2015. CONCLUSIONS: The findings highlight the impact of dietary choices on health outcomes over time, underscoring the importance of promoting healthier eating habits to mitigate the risk of chronic diseases and obesity.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».