MétaCan
Menu
Retour à la cohorte
Enregistrement W2152779135 · doi:10.15537/1658-3175.4617

Comparison of a semi-quantitative food frequency questionnaire with 24-hour dietary recalls to assess dietary intake of adult Kuwaitis

2009· article· en· W2152779135 sur OpenAlexaff
Mahshid Dehghan, Nawal Al‐Hamad, Catherine McMillan, Prasanna Prakash, Anwar T. Merchant

Notice bibliographique

RevueSaudi Medical Journal · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensMcMaster UniversityPopulation Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésMedicineFood frequency questionnaireEnvironmental healthPopulationFood intakeAdded sugarFood scienceObesityBiology

Résumé

récupéré en direct d'OpenAlex

The lifestyle of the residents of Arab and Persian Gulf countries is changing due to globalization. They consume more fat, meat, fast foods, and sugar than before. 1 To assess an individuals’ dietary intake, a valid dietary tool is needed. We developed such an instrument for the population of the United Arab Emirates (UAE). The foods consumed in UAE, however, are influenced by its large multicultural immigrant population, and are not typical of those eaten in other countries in the region. Thus, it was necessary to develop such an instrument. It is necessary to validate any food frequency questionnaires (FFQ) that are developed for specific populations, as incorrect information may lead to false associations between dietary factors and diseases or disease-related markers. 2 We developed a semiquantitative food frequency questionnaire (SFFQ) and accompanying food composition database for Kuwait. The SFFQ effectively captures the type and quantity of food the population in Kuwait usually eat, and their frequency. When these data are combined with the food composition table for Kuwait, it is possible to determine long-term nutrient intake for this population. The developed SFFQ listed standard portions of food items traditionally consumed in Kuwait, and intake frequencies for the food items consisted of 9 categories ranging from “never/once a month” to “more than 6

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)0,006
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
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)0,0020,000

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 Opus0,060
Tête enseignante GPT0,362
Écart entre enseignants0,302 · 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'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

Citations10
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSaudi Medical JournalMême sujetNutritional Studies and DietTravaux en français237 207