Development of a quantitative food frequency questionnaire for use among rural <scp>S</scp>outh <scp>A</scp>fricans in <scp>K</scp>wa<scp>Z</scp>ulu‐<scp>N</scp>atal
Notice bibliographique
Résumé
BACKGROUND: South Africa is experiencing a dietary and lifestyle transition as well as increased rates of noncommunicable chronic diseases. Limited information is available on the diets of rural populations. The present study aimed to characterise the diets of men and women from rural KwaZulu-Natal (KZN) and develop a quantitative food-frequency questionnaire (QFFQ) specific for this population. METHODS: A cross-sectional study was carried out by collecting single 24-h dietary recalls from 81 adults and developing a QFFQ in Empangeni, KZN, South Africa. RESULTS: The diet of this population was limited in variety, high in plant-based foods (especially cereals and beans), and low in animal products, vegetables and fruits. Amaize meal staple (Phutu) was consumed by over 80% of subjects and accounted for almost 45% of energy intake, as well as making an important contribution to fat and protein intake. Most of the protein consumed by the study population was plant-based protein, with almost 40% being obtained from the consumption of phutu and beans. A culturally appropriate QFFQ was developed that includes 71 food and drink items, of which 16 are composite dishes unique to this population. CONCLUSIONS: Once validated, this QFFQ can be used to monitor diet-disease associations, evaluate nutritional interventions and investigate dietary changes in this population.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».