Electronic Dietary Intake Assessment (e-DIA): Comparison of a Mobile Phone Digital Entry App for Dietary Data Collection With 24-Hour Dietary Recalls
Notice bibliographique
Résumé
BACKGROUND: The electronic Dietary Intake Assessment (e-DIA), a digital entry food record mobile phone app, was developed to measure energy and nutrient intake prospectively. This can be used in monitoring population intakes or intervention studies in young adults. OBJECTIVE: The objective was to assess the relative validity of e-DIA as a dietary assessment tool for energy and nutrient intakes using the 24-hour dietary recall as a reference method. METHODS: University students aged 19 to 24 years recorded their food and drink intake on the e-DIA for five days consecutively and completed 24-hour dietary recalls on three random days during this 5-day study period. Mean differences in energy, macro-, and micronutrient intakes were evaluated between the methods using paired t tests or Wilcoxon signed-rank tests, and correlation coefficients were calculated on unadjusted, energy-adjusted, and deattenuated values. Bland-Altman plots and cross-classification into quartiles were used to assess agreement between the two methods. RESULTS: Eighty participants completed the study (38% male). No significant differences were found between the two methods for mean intakes of energy or nutrients. Deattenuated correlation coefficients ranged from 0.55 to 0.79 (mean 0.68). Bland-Altman plots showed wide limits of agreement between the methods but without obvious bias. Cross-classification into same or adjacent quartiles ranged from 75% to 93% (mean 85%). CONCLUSIONS: The e-DIA shows potential as a dietary intake assessment tool at a group level with good ranking agreement for energy and all nutrients.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 0,000 |
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.
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 ».