Association between Taste Disorder and Dietary Quality and Macronutrient Intake in US Adults: A National Health and Nutrition Examination Survey (2011–2014)
Notice bibliographique
Résumé
Background: Taste disorders are associated with various health conditions, including COVID-19. However, the prevalence and correlation of taste disorders are not comprehensively described at the population level. This study aimed to (i) estimate the prevalence of taste disorders, (ii) identify modifiable and non-modifiable correlates, and (iii) investigate the association between taste disorders and diet quality and macronutrient intake. Methods: This cross-sectional study analyzed data from 7408 adults aged ≥40 years in the 2011–2014 National Health and Nutrition Examination Survey (NHANES). Taste disorders and sociodemographic factors were identified through self-reported questionnaires and interviews. Dietary quality was assessed using the Healthy Eating Index (HEI)-2015. Weighted logistic regression models were used to identify correlates of taste disorders, while Wilcoxon rank-sum tests and linear regression models were used to analyze dietary quality and macronutrient intake. Multivariable-adjusted models were adjusted for age, sex, race/ethnicity, socioeconomic status (as measured by educational attainment and family income level), smoking status, physical activity, body mass index (BMI), and a history of chronic diseases (hypertension, high cholesterol, cardiovascular disease, diabetes, and cancer). Results: Taste disorders had a prevalence of 5.1% (95% confidence interval (CI): 4.5–5.6). Higher rates were observed in individuals with lower educational attainment, lower income, and a history of diabetes (7.3%; 95% CI: 5.8–8.7), cardiovascular disease (9.7%; 95% CI: 7.7–12.0), and cancer (7.0%; 95% CI: 4.1–10.0). Those with taste disorders had poorer diet quality, lower energy intake, lower protein intake, and higher sugar consumption compared with those without (all p < 0.01). Conclusions: US adults exhibited a high prevalence of taste disorders, particularly among individuals with lower socioeconomic status, chronic conditions, and those who are non-Hispanic White, non-Hispanic Black, and Hispanic. An increased prevalence is associated with poorer diet quality, highlighting the need for targeted interventions to address the nutritional impacts. Due to the limitations of the cross-sectional design, this study could not establish causality between taste disorders and dietary intake or patterns, underscoring the need for longitudinal studies to confirm the observed relationships.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».