Are French Canadians able to accurately self-rate the quality of their diet? Insights from the PREDISE study
Notice bibliographique
Résumé
The main objective of this study was to compare self-rated diet quality with a more comprehensive score of diet quality and to assess the ability of self-rated diet quality to predict adherence to healthy eating guidelines. This study also aimed to evaluate the influence of individual characteristics on the association between self-rated diet quality and the overall diet quality score. As part of the PRédicteurs Individuels, Sociaux et Environnementaux (PREDISE) study, 1045 participants (51% women) from the Province of Québec, Canada, self-rated their diet quality ("In general, would you say that your dietary habits are excellent, very good, good, fair, or poor?"). Three Web-based 24-h food recalls were completed, generating data for the calculation of the Canadian Healthy Eating Index (C-HEI) score, an overall diet quality indicator. Participants rated their diet quality as excellent (2.4%), very good (22.7%), good (49.5%), fair (20.3%), or poor (5.1%). C-HEI scores differed significantly between diet ratings, in the expected direction (p < 0.0001). Self-rated diet quality predicted adherence to healthy eating guidelines (i.e., C-HEI > 68) with a sensitivity of 44.5% and a specificity of 81.5% (C-statistic = 0.63). Sex significantly modified the association between self-rated diet quality and C-HEI score (p interaction = 0.0131); women had higher C-HEI scores than did men in the "good" and "fair" ratings. Self-rated diet quality can be useful in obtaining an overview of the diet quality of a population, but the results of this study suggest that such data should be used with caution given their poor ability to predict adherence to healthy eating guidelines. Individual characteristics may influence one's ability to appropriately self-evaluate diet quality.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».