Evaluation of different methods to handle misreporting in obesity research: evidence from the Canadian national nutrition survey
Notice bibliographique
Résumé
The association of dietary exposures with health outcomes may be attenuated or reversed as a result of energy intake (EI) misreporting. This study evaluated several methods for dealing with implausible recalls when analysing the association between dietary factors and obesity. We examined data from 16,187 Canadians aged ≥12 years in the nationally representative Canadian Community Health Survey 2.2. Under- and over-reporting were defined as the ratio of EI:estimated energy requirement <0·7 and >1·42, respectively. Multinomial logistic regression-generalised logit model was conducted to test the utility of different methods for handling misreporting, including (a) adjusting for variables related to misreporting, (b) excluding misreported recalls, (c) adjusting for reporting groups (under-, plausible and over-reporters), (d) adjusting for propensity score and (e) stratifying the analyses by reporting groups. In the basic model, EI showed a negative association with overweight (OR 0·988; 95% CI 0·979, 0·998) and obesity (OR 0·989; 95% CI 0·977, 0·999). Similarly, the association between total energy density and overweight (OR 0·670; 95% CI 0·487, 0·923) and obesity (OR 0·709; 95% CI 0·495, 1·016) was inverse. Among all methods of handling misreporting, adjusting for the reporting status revealed the most satisfactory results, where a positive association between EI and overweight (OR 1·037; 95% CI 1·019, 1·055) and obesity (OR 1·109; 95% CI 1·082, 1·137) was observed (P<0·0001), as well as direct positive associations between energy density and percentage energy from solid fats and added sugars with obesity (P<0·05). The results of this study can help advance knowledge about the relationship between dietary variables and obesity and demonstrate to researchers and nutrition policy makers the importance of adjusting for recall plausibility in obesity research, which is highly relevant in light of global obesity epidemic.
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 | 0,507 | 0,594 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,007 | 0,014 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,007 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».