The e-EPIDEMIOLOGY Mobile Phone App for Dietary Intake Assessment: Comparison with a Food Frequency Questionnaire
Notice bibliographique
Résumé
BACKGROUND: There is a great necessity for new methods of evaluation of dietary intake that overcome the limitations of traditional self-reporting methods. OBJECTIVE: The objective of this study was to develop a new method, based on an app for mobile phones called e-EPIDEMIOLOGY, which was designed to collect individual consumption data for a series of foods/drinks, and to compare this app with a previously validated paper food frequency questionnaire (FFQ). METHODS: University students >18 years of age recorded the consumption of certain foods/drinks using e-EPIDEMIOLOGY during 28 consecutive days and then filled out a paper FFQ at the end of the study period. To evaluate the agreement between the categories of habitual consumption for each of the foods/drinks included in the study, cross-classification analysis and a weighted kappa statistic were used. RESULTS: A total of 119 participants completed the study (71% female, 85/119; 29% male, 34/119). Cross-classification analysis showed that 79.8% of the participants were correctly classified into the same category and just 1.1% were misclassified into opposite categories. The average weighted kappa statistic was good (κ=.64). CONCLUSIONS: The results indicate that e-EPIDEMIOLOGY generated ranks of dietary intakes that were highly comparable with the previously validated paper FFQ. However, it was noted that further testing of e-EPIDEMIOLOGY is required to establish its wider utility.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».