Relevance of Assessment Methods for Fluid Intake
Notice bibliographique
Résumé
Reliable data at population level are essential to firmly establish links between fluid intake, hydration and health, investigate dose-response relationships and develop meaningful public health strategies or reference intake values. However, limited research exists regarding the most appropriate methodology for assessing beverage or total fluid intake (TFI). To date, methodologies have been developed to assess food and nutrient intake without due consideration of water or fluid intake behavior. A recent crossover study showed that a 24-hour food recall significantly underestimated mean TFI by 382 ml (95% CI 299-465) compared with a fluid specific 7-day record. The authors postulated that this average difference was mainly the result of missed drinking acts between meals a 24-hour recall was used. Using a 7-day record administered in paper form or on-line has also been shown to lead to a significantly different mean TFI of 129 ml. Therefore, the choice of methodology might result in measurement errors that limit between-survey or between-country comparisons. Such errors may contribute to variations in estimates of TFI that cannot be explained by differences in climate, physical activity or cultural habits. A recent survey confirmed the variation in methodologies used in European national dietary surveys. Since these surveys form the basis for setting adequate intakes for total water intake, measurement error between surveys should be limited, highlighting the need for the development of a consistent methodology that is validated for water and TFI estimation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; un appel candidat d’une seule tête enseignante, 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 ».