Dietary and health biomarkers—time for an update
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the dietary and health research area, biomarkers are extensively used for multiple purposes. These include biomarkers of dietary intake and nutrient status, biomarkers used to measure the biological effects of specific dietary components, and biomarkers to assess the effects of diet on health. The implementation of biomarkers in nutritional research will be important to improve measurements of dietary intake, exposure to specific dietary components, and of compliance to dietary interventions. Biomarkers could also help with improved characterization of nutritional status in study volunteers and to provide much mechanistic insight into the effects of food components and diets. Although hundreds of papers in nutrition are published annually, there is no current ontology for the area, no generally accepted classification terminology for biomarkers in nutrition and health, no systematic validation scheme for these biomarker classes, and no recent systematic review of all proposed biomarkers for food intake. While advanced databases exist for the human and food metabolomes, additional tools are needed to curate and evaluate current data on dietary and health biomarkers. The Food Biomarkers Alliance (FoodBAll) under the Joint Programming Initiative-A Healthy Diet for a Healthy Life (JPI-HDHL)-is aimed at meeting some of these challenges, identifying new dietary biomarkers, and producing new databases and review papers on biomarkers for nutritional research. This current paper outlines the needs and serves as an introduction to this thematic issue of Genes & Nutrition on dietary and health biomarkers.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découle