Daily Fruit-Vegetable Consumption, Morbidity Pattern and Healthcare Seeking Behaviour in General Adults Living on the Outskirts of a Sub-Metropolitan City
Notice bibliographique
Résumé
Background & Objectives: Fruits and vegetables are essential for a healthy diet, yet global consumption remains below recommended levels, particularly in developing countries like Nepal, increasing the risk of non-communicable diseases. This study examines fruit and vegetable intake, morbidity patterns, and healthcare-seeking behavior among adults in the outskirts of Janakpur Sub-Metropolitan. Materials and Methods: A community-based cross-sectional study was conducted between September 2024 and December 2024 with a sample of 466 general adult population aged 18 years and above. Data were collected through face-to-face interviews with structured questionnaire selected through multistage random sampling. Binary logistic regression was employed to identify predictors of fruit and vegetable consumption. Results: Out of 466 participants, only 15.23% of participants consumed fruit on a daily basis. Majority (68.3%) sought care from qualified doctors followed by qualified paramedical (23.8%) and few (7.9%) sought care from non-health professionals. Further, people who sought health care from qualified doctor had a significantly higher likelihood of consuming leafy vegetable 2-3 times per week. Similarly, Participants with anaemia were significantly less likely to consume leafy vegetable frequently. Conclusion: This study highlights the low consumption of fruits and vegetables, with a higher likelihood of consuming leafy vegetables among those who seeks care from qualified medical doctors. However, frequent consumption of leafy greens has been observed to be greatly constrained among anaemic. Public health education should focus on the importance of fruit and vegetable intake and its impact on overall health.
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 | 0,011 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».