Associations Between Nutrition Knowledge and Overall Diet Quality: The Moderating Role of Sociodemographic Characteristics—Results From the PREDISE Study
Notice bibliographique
Résumé
Purpose:To assess how nutrition knowledge is associated with global diet quality and to investigate whether sociodemographic characteristics (ie, sex, age, education, income, marital status, and living with children or not) moderate this association.Design:Cross-sectional web-based study.Participants:The PREDISE study aims at identifying correlates of adherence to healthy eating guidelines in French-speaking adults from the Province of Quebec, Canada.Subjects:A probability sample of 1092 participants (50% female).Measures:The Nutrition Knowledge Questionnaire and 24-hour food recalls from which the Canadian Healthy Eating Index (C-HEI) was calculated.Analysis:Multiple linear regressions performed to assess how nutrition knowledge is associated with the C-HEI. Interaction terms tested to evaluate whether sociodemographic characteristics moderate the association between nutrition knowledge and the C-HEI.Results:Nutrition knowledge (B = 0.141 [95% CI: 0.075-0.208], <i>P</i> < .0001) was identified as a significant correlate of the C-HEI. Education significantly moderated the association between nutrition knowledge and the C-HEI (<i>P</i> interaction = .0038), with a significative association among participants with a lower education level (B = 0.295 [95% CI: 0.170-0.421], <i>P</i> < .0001) but not among participants with a higher education level (B = 0.077 [95% CI: −0.004 to 0.157], <i>P</i> = .06). Whether participants lived with or without children also significantly moderated the association (<i>P</i> interaction = 0.0043); nutrition knowledge was associated with the C-HEI only in participants who were not living with children (B = 0.261 [95% CI: 0.167 to 0.355], <i>P</i> < .0001).Conclusion:This study suggests that the association between nutrition knowledge and adherence to healthy eating guidelines is not the same in different subgroups of the population. Interventions aiming at increasing nutrition knowledge may be a promising approach to improve diet quality, especially among individuals with a lower education.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».