An examination of Dietary Inflammatory Index scores in a Canadian nationally representative sample
Notice bibliographique
Résumé
There is growing recognition that diet can influence an individual’s inflammation level and ultimately, their risk for developing disease (Minihane et al., 2015; Prasad et al., 2012). The Dietary Inflammatory Index (DII) was developed to assess the inflammatory potential of an individual’s diet and pro-inflammatory diets have been linked to numerous chronic diseases (Phillips et al., 2019). That said, there is a paucity of research examining the inflammatory nature of diets in Canada. The current project used data from the Canadian Community Health Survey – Nutrition 2015. The study sample consisted of adults aged 18-65, who were not pregnant. 24-hour dietary recalls were used to calculate DII and Health Eating Index – Canada (HEI-C) scores. Adherence to food guide recommendations was assessed using Health Canada’s four-tiered, grading system. The association between DII and HEI-C scores, as well as adherence to the Canadian Food Guide recommendations were measured. The influence of personal and external factors that influence diet and DII scores was examined using a structural equation modelling approach. Results indicated that there was an inverse relationship between adherence to food guide recommendations and DII scores; however, no significant relationship was observed for HEI-C scores. Higher DII scores were noted for individuals who were not married or had lower levels of education or income. The best fitting structural equation model included variables for sex, income, number of foods consumed and length of time since immigration. The findings in this thesis indicated that certain Canadian populations have significantly higher DII scores and this knowledge could lead to the development of effective interventions to promote the consumption of an anti-inflammatory diet.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 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 ».