How Do Meals and Snacks Consumed in Childcare Contribute to Children’s Food and Nutrient Intakes?
Notice bibliographique
Résumé
Purpose: To assess the dietary contributions of foods consumed in childcare (childcare centre, preschool, or out-of-home childcare) and compare nutrient and food intakes between locations (in childcare vs away from childcare). Method: Dietary intakes of 46 children (1.5–4 years) were assessed with parent-reported 24-hour recalls occurring on a childcare day. The contribution of each nutrient and food group consumed in childcare to its total daily intake was calculated as a proportion and presented as a percentage. Mean nutrient and food group intake densities (per 1000 kcal) were compared between childcare and away-from-childcare locations using linear regression. Results: Foods consumed at childcare contributed to 46% of children’s daily energy intake. Relative to energy, foods consumed in childcare provided proportionally high intakes of vitamin A (56%), fruit (56%), vegetables (54%), whole grains (53%), and legumes (71%) but proportionally low intakes of added sugars (30%), thiamin (38%), vitamin D (40%), iron (40%), and meat and alternatives (38%). Significant differences in nutrient densities were found for vitamin A (higher in childcare) as well as added sugars, thiamin, vitamin B6, and iron (all lower in childcare). Conclusions: These data can provide evidence to inform the development of tailored interventions to improve young children’s diets across multiple settings.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».