2021年无锡市居民营养健康知识知晓率现况及影响因素分析

来源 :中国健康教育 | 被引量 : 0次 | 上传用户:gutian163
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目的 了解无锡市居民营养健康知识知晓率,为进一步采取营养宣教干预措施提供依据。方法 采用分层多阶段抽样方法,对无锡市2370名居民进行问卷调查。结果 无锡市居民营养健康知晓率为68.67%,节约食物、食品安全方面知晓率较高,膳食推荐、食物与营养素以及选择食物方面知晓情况相对较差;女性的健康知识得分情况优于男性(b=1.809,95%CI:64.612~68.751),年龄增长、从事医疗卫生工作与健康知识得分正相关(b=0.095,95%CI:0.053~0.137;b=3.304,95%CI:2.044~4.564),与本科及以上文化程度组相较,低文化程度组健康知识知晓情况较差(b=-11.819,95%CI:-13.273~-10.365;b=-6.981,95%CI:-8.289~-5.673;b=-3.257,95%CI:-4.471~-2.043);大部分居民(80.55%)从手机软件获取营养健康知识。结论 无锡市居民营养健康知识了解不全面,尤其是膳食推荐、食物与营养素以及选择食物方面需要加强;文化程度较低者及非医疗卫生工作者应为营养教育干预的重点对象;营养教育时可选择居民常用的知识获取途径如手机软件等。
其他文献
环境检察公益诉讼以环境检察民事公益诉讼形式加强对国家环境公共利益的维护,以环境行政公益诉讼形式监督行政部门履行环境保护监管义务,是以一体两面的方式维护我国环境公共利益。生态环境损害赔偿诉讼是行政部门针对本区域内的生态环境损害案件提起的诉讼。一方面,行政权属性的自查自纠易产生包庇与瞒报,进而导致“一案无诉”或“诉不到位”;另一方面,因其与环境检察公益诉讼在诉讼范围和目的方面的高度契合,使其在与环境检
针对传统风电机组故障识别方法精度难以保证且缺乏解释性的问题,提出一种以模糊规则分类系统为框架的风电机组故障识别与解释性分析方案。离线阶段通过启发式学习生成代表性故障规则,采用多种群量子进化算法实现故障规则寻优,提高对故障的识别精度;在线阶段定义近邻规则竞争策略,在此基础上构建基于故障规则后处理策略的故障解释性分析方案,实现潜在故障概率排序以及解释性的关键异常征兆表达。以兆瓦级风电机组常见的10种故
学生是课堂学习的主体,英语课堂教学的根本目标是要促进学生英语知识技能以及情感态度和价值观念等方面的发展与提升。新课标理念下,教师要运用符合现代初中生学习认知特点的教学方法,调动起学生英语学习探究的主观能动性,引导学生参与听说读写等语言学习活动,提升学生的学习效率,从而创建以生为本的初中英语高效课堂。
四氧化三铁(Fe3O4)作为一种较为常用的磁性纳米粒子,具有稳定的化学性质、较高的催化活性和良好的磁响应性及生物相容性,可通过改变反应条件将其粒径降至几纳米,因此被广泛应用于高磁记录材料、吸附剂、生物传感、磁共振成像等领域。本论文在对磁性Fe3O4纳米粒子的制备方法进行综述的基础上,介绍了固相法、化学共沉淀法、水热法、微乳法以及溶胶-凝胶法等常用方法,并总结了其在环境治理、生物医学以及功能性材料制
目的 探讨在宫腔内人工授精中使用短时离心法,去除液化完全后残留在精浆中的“胶冻状颗粒”,再行常规优化处理,分析其对精子回收率及妊娠结局的影响。方法 选取2017年1月至2020年12月山东省妇幼保健院生殖医学中心收治的215例患者作为研究对象,共350个周期,对其临床资料进行回顾性分析。随机分为两组,其中实验组127例205个周期,对照组88例145个周期。实验组采取短时离心法去除液化完全后残留在
分析我国高中生物学教材中的职业生涯教育内容及特点:设置专业化栏目,让学生获取详细的职业信息;选取科学家故事,发挥榜样的激励作用;利用生物科学史,促使学生体验科学探索之路;增设选修性模块,使学生了解丰富的职业类型。分析美国高中生物学教材中的职业生涯教育内容及特点,通过对比中美高中生物学教材中的职业生涯教育内容,为我国高中生物学教材编制和基础教育改革提供借鉴和启示。
证券市场是最具吸引力的经济领域之一,同时,证券市场是信用制度和市场经济发展到一定阶段的产物,是风险高度集中的市场,具有风险来源广、传导性强和社会危害性巨大的特点。经过二十几年的发展,我国证券市场无论在总量还是结构方面,都取得了长足的进步。证券市场的稳健有序发展与高效实用的证券监管体制密不可分。证券市场的监管是证券市场存在和发展的基石,是国家规范证券市场的有效手段。我国已依法建立了对证券市场的集中统
报纸
心血管疾病已经成为我国死亡率排名第一的疾病,是威胁人类生命健康的头号杀手。对心脏核磁共振图像分割后的结果进行量化评估是心血管疾病诊断的最佳方法,在临床医学诊断中往往是通过影像科专家手动对心脏核磁共振图像进行分割,十分耗时还容易出现人工误差。因此需要一种既快速又准确的自动分割方法,本文主要研究内容是基于深度学习实现心脏核磁共振图像的自动分割。本文首先设计了一种基于U-Net和Dense Net改进的