Analyse des prédicteurs de la saine alimentation : cas du Canada
Bibliographic record
Abstract
La présente étude s’est donnée pour objectif d’actualiser les prédicteurs de la saine alimentation, chez les Canadiens âgés de 18 ans et plus avec des données récentes (Enquête sur la Santé dans les Collectivités Canadiennes (ESCC)-Nutrition 2015) et de vérifier l’effet de nouvelles variables. Ce, parce que les études menées jusque-là pour évaluer les déterminants de la saine alimentation sont des études anciennes ou lorsqu’elles sont récentes elles sont quand même basées sur les données de 2004. Dans ce cadre, nous avons évalué la qualité de l’alimentation avec l’indice de saine alimentation, version 2005 adaptée au contexte canadien (HEI-C2005), puis nous avons mené une régression linéaire multiple avec comme variables explicatives des facteurs socioéconomiques, démographiques, l’état de santé, le niveau d’activité physique et le bien-être général perçu. Nos résultats montrent qu’actuellement, la qualité de l’alimentation de la plupart des Canadiens doit être améliorée (un indice moyen de 68/100 avec un écart-type de 12, sachant qu’une valeur de 80/100 ou plus est le seuil d’une saine alimentation). Toutefois, il y a eu une amélioration par rapport à 2004 (indice moyen de 50,2/100). En ce qui concerne les prédicteurs, l’effet connu des variables classiques (âge, genre, éducation, bien-être perçu, revenu, origine ethnique et niveau d’activité physique) n’a pas changé. Concernant ce qui n’a pas encore été vérifié dans les études précédentes, nos résultats démontrent que l’insécurité alimentaire et le prix des légumes ont un effet négatif sur la qualité de l’alimentation Les personnes diabétiques et les personnes ne souffrant pas de cancer ont une alimentation plus saine que les non-diabétiques et les personnes souffrant de cancer. Aussi, nos résultats montrent que le prix des fruits et le milieu de résidence n’ont pas d’effet sur la qualité de l’alimentation.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.010 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".