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 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 | 0,010 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».