Multidimensional dietary patterns and their joint associations with intersecting sociodemographic characteristics among adults in Canada: a cross-sectional study
Notice bibliographique
Résumé
Dietary patterns consist of multiple interrelated components, while individuals have numerous sociodemographic characteristics that may jointly influence dietary patterns. Studies to assess associations between sociodemographic characteristics and dietary patterns typically do not consider this complexity. The objective of this study was to examine joint relationships between dietary patterns and sociodemographic characteristics among adults in Canada. Twenty four hour dietary recall data for adults ≥18 years were drawn from the 2015 Canadian Community Health Survey Nutrition ( n = 14 097). Three mixed graphical models were developed to explore networks of sociodemographic characteristics, dietary components, and sociodemographic characteristics and dietary components together. Networks included 30 log-transformed food groups (grams), sex, age, household food security status, income, employment status, education, geographic region, and smoking status. Results are expressed as (edge weight; [95% CI]). The strongest pairwise relationships were observed among dietary components and among sociodemographic characteristics. In the model including dietary components and sociodemographic characteristics, age was associated with grains (other) (−0.12; [−0.16, −0.09]), coffee/tea (0.21; 95% CI [0.17, 0.24]), and whole grains (0.12; [0.08, 0.15]). Sex was associated with sweet beverages (0.11; [0.06, 0.17]), alcohol (0.18; [0.13, 0.24]), cured meat (0.20; [0.15, 0.26]), and red meat (0.16; [0.11, 0.21]). In some cases, pairwise relationships between dietary components suggested displacement, for example, of whole grains by refined grains. Age and sex were the characteristics most strongly connected to dietary components. Exploring joint relationships between intersecting sociodemographic characteristics and multidimensional dietary patterns can assist with better understanding dietary heterogeneity to inform policies and programs that support healthy eating.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 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 ».