MétaCan
Menu
Retour à la cohorte
Enregistrement W7117787777 · doi:10.31083/ijvnr39278

Association between Taste Disorder and Dietary Quality and Macronutrient Intake in US Adults: A National Health and Nutrition Examination Survey (2011–2014)

2025· article· en· W7117787777 sur OpenAlexaff
Zhihong null Zhang, Jinxin null Lin, N. Wang, Ruixuan null Wang, Lin null Yang, Chao null Cao, Xiaobin null Zheng

Notice bibliographique

RevueInternational Journal for Vitamin and Nutrition Research · 2025
Typearticle
Langueen
DomaineNursing
ThématiqueBiochemical Analysis and Sensing Techniques
Établissements canadiensAlberta Health Services
Organismes subventionnairesBasic and Applied Basic Research Foundation of Guangdong ProvinceNational Natural Science Foundation of China
Mots-clésTasteNational Health and Nutrition Examination SurveySocioeconomic statusCausality (physics)Psychological interventionAssociation (psychology)Food intakeFeeding behavior

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,188
Score d'incertitude au seuil0,514

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,438
Écart entre enseignants0,366 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Vitamin and Nutrition ResearchMême sujetBiochemical Analysis and Sensing TechniquesTravaux en français237 207