MétaCan
Menu
Retour à la cohorte
Enregistrement W2325741191 · doi:10.1139/apnm-2013-0432

Translating knowledge into dietetic practice: a Functional Foods for Healthy Aging Toolkit

2013· article· en· W2325741191 sur OpenAlexafffundvenueabout
Alison M. Duncan, Hilary A. Dunn, Laura M. Stratton, Meagan N. Vella

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensUniversity of Guelph
Organismes subventionnairesHealth CanadaCanadian Foundation for Dietetic Research
Mots-clésFunctional foodResource (disambiguation)Product (mathematics)MedicineDiseaseHealth benefitsGerontologyComputer science

Résumé

récupéré en direct d'OpenAlex

The advance of functional foods has evolved because of research linking functional foods to health, a regulatory environment that allows health claims on foods, and consumer demand for health-promoting food products. Among consumers, the rapidly growing older adult segment is poised to benefit from functional foods because of age-related health issues that are linked to food and health. Registered Dietitians (RDs) are recognized as food and nutrition experts and are well positioned to communicate the benefits of functional foods. The Functional Foods for Healthy Aging Toolkit was developed to provide guidance and resource materials to assist RDs in communicating with older adults about functional foods. The toolkit provides background on functional foods, including definitions, regulations, and case studies of functional food product labels. The role of functional foods in Canada's aging demographic is examined and the relevance to disease risk is discussed. The toolkit is appended with educational resource sheets on common functional food bioactives, including antioxidants, dietary fibre, omega-3 fatty acids, plant sterols, prebiotics, and probiotics. This publicly available toolkit can help RDs and other healthcare professionals in their interactions with older adults to maximize the value and health benefits that dietary inclusion of functional foods can offer.

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)0,041
score de la tête « metaresearch » (Gemma)0,057
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,219

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0410,057
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0030,003
Communication savante0,0050,005
Science ouverte0,0030,015
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0150,007

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 Opus0,033
Tête enseignante GPT0,325
Écart entre enseignants0,292 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2013
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and MetabolismMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207