Development of a Web-Based 24-h Dietary Recall for a French-Canadian Population
Notice bibliographique
Résumé
Twenty-four-hour dietary recalls can provide high-quality dietary intake data, but are considered expensive, as they rely on trained professionals for both their administration and coding. The objective of this study was to develop an automated, self-administered web-based 24-h recall (R24W) for a French-Canadian population. The development of R24W was inspired by the United States Department of Agriculture (USDA) Automated Multiple-Pass Method. Questions about the context of meals/snacks were included. Toppings, sauces and spices frequently added to each food/dish were suggested systematically. A list of frequently forgotten food was also suggested. An interactive summary allows the respondent to track the progress of the questionnaire and to modify or remove food as needed. The R24W prototype was pre-tested for usability and functionality in a convenience sample of 29 subjects between the ages of 23 and 65 years, who had to complete one recall, as well as a satisfaction questionnaire. R24W includes a list of 2865 food items, distributed into 16 categories and 98 subcategories. A total of 687 recipes were created for mixed dishes, including 336 ethnic recipes. Pictures of food items illustrate up to eight servings per food item. The pre-test demonstrated that R24W is easy to complete and to understand. This new dietary assessment tool is a simple and inexpensive tool that will facilitate diet assessment of individuals in large-scale studies, but validation studies are needed prior to the utilization of the R24W.
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 ».