Role of food choices in dietary behaviour of patients with type 2 diabetes
Notice bibliographique
Résumé
Dietary management is a well-established component of diabetes treatment.Dietary advice is important for patients with type 2 diabetes to help manage the disease and to minimize the risk of complications.However, diet compliance has been described as the most difficult aspect of the diabetic regimen.One of the major reasons for non- compliance is that the beliefs and perceptions associated with food influence the patient's interpretation of dietary advice and diet management recommendations.This study investigated the following questions:1. What are the specific reasons that patients with type2 diabetes give for making their food choices? 2. Are food beliefs associated with the food choices of patients with type2 diabetes?3. Is the data from the Food Choice Map @CM) similar to the data from the Food Frequency Questionnaire @FQ) in terms of food items, frequencies, and patterns?Data was collected from 40 follow-up patients with type 2 diabetes attending the education programs of the Diabetes Education Centre (DEC) at Health Sciences Centre, Winnipeg, Manitoba.Each patient completed a demographic questionnaire, a 45-minute in-depth interview (FClv, and a food frequency questionnaire (FFQ) During the interview, each patient created a visual map of their food consumption during a typical day and discussed the reasons for these food choices.Content analysis was used to identify 35 constructs from the 40 patient interviews.Of all 35 construct variables, 20 showed statistically significant associations.The 3 construct variables that showed the strongest relationships with food consumption were diabetes knowledge positive (R2: o.7lgg47, df : 1, p < 0.001), preferences (R2: 0.611499, df : 1, p < 0.001), and physiology positive (K-2: 0.60124, df : l, p < 0.001).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».