Combining traditional dietary assessment methods with novel metabolomics techniques: present efforts by the Food Biomarker Alliance
Notice bibliographique
Résumé
FFQ, food diaries and 24 h recall methods represent the most commonly used dietary assessment tools in human studies on nutrition and health, but food intake biomarkers are assumed to provide a more objective reflection of intake. Unfortunately, very few of these biomarkers are sufficiently validated. This review provides an overview of food intake biomarker research and highlights present research efforts of the Joint Programming Initiative 'A Healthy Diet for a Healthy Life' (JPI-HDHL) Food Biomarkers Alliance (FoodBAll). In order to identify novel food intake biomarkers, the focus is on new food metabolomics techniques that allow the quantification of up to thousands of metabolites simultaneously, which may be applied in intervention and observational studies. As biomarkers are often influenced by various other factors than the food under investigation, FoodBAll developed a food intake biomarker quality and validity score aiming to assist the systematic evaluation of novel biomarkers. Moreover, to evaluate the applicability of nutritional biomarkers, studies are presently also focusing on associations between food intake biomarkers and diet-related disease risk. In order to be successful in these metabolomics studies, knowledge about available electronic metabolomics resources is necessary and further developments of these resources are essential. Ultimately, present efforts in this research area aim to advance quality control of traditional dietary assessment methods, advance compliance evaluation in nutritional intervention studies, and increase the significance of observational studies by investigating associations between nutrition and health.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».