MétaCan
Menu
Retour à la cohorte
Enregistrement W2120077661 · doi:10.1017/s0007114510003041

Nutrition economics – characterising the economic and health impact of nutrition

2010· article· en· W2120077661 sur OpenAlexaff
Irene Lenoir‐Wijnkoop, Michel Dapoigny, David L. DuBois, Éric Van Ganse, Iñaki Gutiérrez‐Ibarluzea, John Hutton, Peter J.H. Jones, Thomas Mittendorf, Marten J. Poley, Seppo Salminen, M. J. C. Nuijten

Notice bibliographique

RevueBritish Journal Of Nutrition · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesDanone
Mots-clésScope (computer science)Health economicsMultidisciplinary approachContext (archaeology)Public economicsHealth policyMedicineHealth careEconomicsEconomic growthSocial scienceSociologyComputer scienceBiology

Résumé

récupéré en direct d'OpenAlex

There is a new merging of health economics and nutrition disciplines to assess the impact of diet on health and disease prevention and to characterise the health and economic aspects of specific changes in nutritional behaviour and nutrition recommendations. A rationale exists for developing the field of nutrition economics which could offer a better understanding of both nutrition, in the context of having a significant influence on health outcomes, and economics, in order to estimate the absolute and relative monetary impact of health measures. For this purpose, an expert meeting assessed questions aimed at clarifying the scope and identifying the key issues that should be taken into consideration in developing nutrition economics as a discipline that could potentially address important questions. We propose a first multidisciplinary outline for understanding the principles and particular characteristics of this emerging field. We summarise here the concepts and the observations of workshop participants and propose a basic setting for nutrition economics and health outcomes research as a novel discipline to support nutrition, health economics and health policy development in an evidence and health-benefit-based manner.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,838
Score d'incertitude au seuil0,567

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,289
Écart entre enseignants0,273 · 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 tête enseignante, pas un consensus.

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

Citations61
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal Of NutritionMême sujetObesity, Physical Activity, DietTravaux en français237 207