Guidelines for Biomarker of Food Intake Reviews (BFIRev): how to conduct an extensive literature search for biomarker of food intake discovery
Notice bibliographique
Résumé
Identification of new biomarkers of food and nutrient intake has developed fast over the past two decades and could potentially provide important new tools for compliance monitoring and dietary intake assessment in nutrition and health science. In recent years, metabolomics has played an important role in identifying a large number of putative biomarkers of food intake (BFIs). However, the large body of scientific literature on potential BFIs outside the metabolomics area should also be taken into account. In particular, we believe that extensive literature reviews should be conducted and that the quality of all suggested biomarkers should be systematically evaluated. In order to cover the literature on BFIs in the most appropriate and consistent manner, there is a need for appropriate guidelines on this topic. These guidelines should build upon guidelines in related areas of science while targeting the special needs of biomarker methodology. This document provides a guideline for conducting an extensive literature search on BFIs, which will provide the basis to systematically validate BFIs. This procedure will help to prioritize future work on the identification of new potential biomarkers and on validating these as well as other biomarker candidates, thereby providing better tools for future studies in 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 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 | 0,064 | 0,162 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,023 | 0,018 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,008 | 0,007 |
| Intégrité de la recherche | 0,010 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,025 |
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 ».