Factors influencing nutrition literacy in patients of colorectal cancer: a cross-sectional study
Notice bibliographique
Résumé
Background: Colorectal cancer (CRC) patients often experience varying degrees of malnutrition both pre-and post-treatment, highlighting the importance of their nutritional knowledge. However, studies on nutrition literacy (NL) in this population remain scarce. This study aims to evaluate the level of NL in colorectal cancer patients and identify key factors influencing NL. Methods: A total of 245 colorectal cancer patients participated in this study. The questionnaire included five sections: sociodemographic information, the Chinese Version of the Nutrition Literacy Assessment Instrument (CHI-NLit), the Montreal Cognitive Assessment Scale (MoCA), and the Hospital Anxiety and Depression Scale (HADS). Both univariate and multivariate analyses were performed to examine sociodemographic determinants of NL. We used Pearson and Spearman correlation coefficients to assess relationships between NL, MoCA and HADS. Results: The overall NL level among CRC patients was moderately low, with an average score of 19.224 ± 4.391-significantly below the normative neutrophil score of 21.5. Among the assessed dimensions, food groups received the lowest scores while food label calculation achieved the highest. Significant predictors influencing NL levels included age, years of education, family annual income, in review duration of illness, number of hospitalizations, memory and attention abilities and anxiety and depress symptoms. Conclusion: This study provides a comprehensive examination of NL in CRC patients. The findings indicate a relatively low level of NL within this group. Younger age, higher income levels, and urban residency correlated positively with elevated NL. Factors such as illness duration, number of hospitalizations, cognitive function measured by relevant scales are also emerged as significant determinants impacting NL. To enrich the research on NL, it is essential to conduct further data collection. From a clinical perspective, this evidence-based framework enables the development of stratified nutritional intervention protocols, specifically targeting vulnerable subgroups (e.g., elderly patients, rural dwellers, and those with extended illness duration). Such precision approaches hold significant potential to optimize dietary adherence, mitigate treatment-related complications, and ultimately enhance long-term quality of life in cancer survivorship care.
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 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».