Notice bibliographique
Résumé
One of the problems which may beset epidemiological studies is the difficulty of accurately measuring the dietary intakes of participants. Biomarkers of diet promise to provide a more accurate measure of dietary intake and a more objective one in that they are not reliant on the subject's memory. This review considers some issues of importance in epidemiology when information is obtained from biomarkers. The approach taken is to use examples both of normal dietary constituents and of contaminants in relation to a range of diet and health questions to illustrate these points. A brief overview of the role of sample collection, processing and storage is given including some generic recommendations for maximising the reliability of subsequent analytical data. Using the examples of phytoestrogens and iodine the question of whether biomarkers can accurately reflect the intake of the dietary constituents of interest at the population level or at the individual level is considered. The relationship of the biomarker to the natural history of the disease is exemplified using the role of folate in neural tube defects. Finally, intakes of vitamin D and heterocyclic amines are used to illustrate the integration of biomarkers into epidemiological studies of prostate and colorectal cancer, respectively. It is concluded that biomarkers may provide a more accurate and objective measure of diet than estimates of current or usual intake but that this approach also has limitations. A combination of methods will probably prove to be most valuable and this approach is being taken in current large prospective studies.
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) | 0,007 | 0,001 |
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 ».