MétaCan
Menu
← Retour à la cohorte
Enregistrement W1573117829 · doi:10.1161/circ.129.suppl_1.mp31

Abstract MP31: The Web-based Automated Self-administered 24-hour Dietary Recall Performs Similarly to a Traditional Interviewer-administered 24-hour Dietary Recall

2014· article· en· W1573117829 sur OpenAlexaff
Amy F. Subar, Sharon I. Kirkpatrick, F. E. Thompson, Beth Mittl, Sujata Dixit‐Joshi, Thea Palmer Zimmerman, Deirdre Douglass, Nancy Potischman

Notice bibliographique

RevueCirculation · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMedicineRecallDemographyEthnic groupGerontology

Résumé

récupéré en direct d'OpenAlex

Introduction: Two studies were conducted to evaluate the National Cancer Institute (NCI)’s web-based Automated Self-Administered 24-hour Recall (ASA24) system, which was developed to facilitate the collection of 24-hour dietary recalls in large-scale research. Hypothesis: Energy, nutrient and food group estimates, response rates, and preferences are comparable between ASA24 and USDA’s interviewer-administered Automated Multiple-Pass Method (AMPM). Methods: Study 1 assessed the response rates and data collected using ASA24 compared to AMPM. About 1200 participants were recruited from three integrated health systems using quota sampling to ensure representation of a range of ages and race/ethnicity groups. Participants were asked to complete two 24HRs, 4-7 weeks apart, and randomized into four study groups: 1) two ASA24s; 2) two AMPMs; 3) ASA24 first and AMPM second; and 4) AMPM first and ASA24 second. Study 2 assessed the validity of ASA24 compared to AMPM in a one-day feeding study. Eighty-one participants visited a study center to consume three meals from a buffet. All containers were unobtrusively weighed before and after each participant served him/herself; plate waste was also weighed. The next day, participants returned to the center to complete either ASA24 or AMPM. Results: Study 1: Almost all enrolled participants (95%) completed at least one recall and 80% completed two; response rates did not differ by recall mode. Estimated intakes of energy, nutrients and food groups were comparable for ASA24 and AMPM; for example, energy, 2132 vs. 2126 kcal; fat, 84.9 vs. 82.8 g; saturated fatty acids, 27.9 vs. 26.9 g; fiber, 18.4 vs. 18.4 g; and fruits and vegetables, 3.0 vs. 3.1 cup equivalents. Of participants randomized to complete one ASA24 and one AMPM, a greater percentage preferred ASA24. Study 2: The examination of foods and drinks reported showed that exact or close matches were recalled for 76.9% of items truly consumed among ASA24 respondents compared to 82.5% among AMPM respondents. Far matches were reported for 3.1% of items consumed among ASA24 respondents compared to 0.7% for AMPM. The proportions of foods or drinks consumed but not reported (exclusions) were 20.4% and 16.8% for ASA24 and AMPM, respectively. Median differences between reported and true intakes for energy, nutrient and most food groups were not significantly different between ASA24 and AMPM. Conclusion: ASA24 performs well relative to traditional interviewer-administered recalls and is feasible for use in large-scale research. The tool, which offers significant savings over interviewer-administered recalls, is publicly available from NCI and has been used in over 800 studies to collect over 113,000 dietary recalls. The tool is currently being updated to run on mobile applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0150,004

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 Opus0,079
Tête enseignante GPT0,292
Écart entre enseignants0,213 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculation→Même sujetNutritional Studies and Diet→Travaux en français237 207→