Applications of Dietary Reference Intakes in dietary assessment and planning
Notice bibliographique
Résumé
Dietary Reference Intakes (DRIs) are used for assessing and planning diets of individuals and groups. Assessing individual intakes is complicated by the fact that neither the individual's usual nutrient intake nor their individual requirement is known. However, the degree of confidence that intakes are adequate or excessive can be estimated. Assessing diets of groups requires information on the group's usual nutrient intake distribution, which can be obtained by statistically adjusting 1 d intake distributions to remove within-person variability. For most nutrients with an Estimated Average Requirement (EAR), the group prevalence of inadequate intakes can be approximated by the percent whose usual intakes are less than the EAR. However, the prevalence of inadequacy cannot be determined for nutrients with an Adequate Intake (AI). The goals of planning are a low risk (for individuals) or low prevalence (for groups) of inadequate or excessive nutrient intakes. For individuals, these goals are met by planning intakes that meet the Recommended Dietary Allowance (RDA) or AI, are below the Tolerable Upper Intake Level (UL), and fall within the Acceptable Macronutrient Distribution Ranges (AMDRs). For groups, planning involves estimating a "target" usual intake distribution with an acceptably low prevalence less than the EAR and greater than the UL, planning menus to achieve the target distribution, and assessing the results.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,037 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,014 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».