EVIDENT Smartphone App, a New Method for the Dietary Record: Comparison With a Food Frequency Questionnaire
Notice bibliographique
Résumé
BACKGROUND: More alternatives are needed for recording people's normal diet in different populations, especially adults or the elderly, as part of the investigation into the effects of nutrition on health. OBJECTIVE: The aim of this study was to compare the estimated values of energy intake, macro- and micronutrient, and alcohol consumption gathered using the EVIDENT II smartphone app against the data estimated with a food frequency questionnaire (FFQ) in an adult population aged 18 to 70 years. METHODS: We included 362 individuals (mean age 52 years, SD 12; 214/362, 59.1% women) who were part of the EVIDENT II study. The participants registered their food intake using the EVIDENT app during a period of 3 months and through an FFQ. Both methods estimate the average nutritional composition, including energy intake, macro- and micronutrients, and alcohol. Through the app, the values of the first week of food recording, the first month, and the entire 3-month period were estimated. The FFQ gathers data regarding the food intake of the year before the moment of interview. RESULTS: The intraclass correlation for the estimation of energy intake with the FFQ and the app shows significant results, with the highest values returned when analyzing the app's data for the full 3-month period (.304, 95% CI 0.144-0.434; P<.001). For this period, the correlation coefficient for energy intake is .233 (P<.001). The highest value corresponds to alcohol consumption and the lowest to the intake of polyunsaturated fatty acids (r=.676 and r=.155; P<.001), respectively. The estimation of daily intake of energy, macronutrients, and alcohol presents higher values in the FFQ compared with the EVIDENT app data. Considering the values recorded during the 3-month period, the FFQ for energy intake estimation (Kcal) was higher than that of the app (a difference of 408.7, 95% CI 322.7-494.8; P<.001). The same is true for the other macronutrients, with the exception g/day of saturated fatty acids (.4, 95% CI -1.2 to 2.0; P=.62). CONCLUSIONS: The EVIDENT app is significantly correlated to FFQ in the estimation of energy intake, macro- and micronutrients, and alcohol consumption. This correlation increases with longer app recording periods. The EVIDENT app can be a good alternative for recording food intake in the context of longitudinal or intervention studies. TRIAL REGISTRATION: ClinicalTrials.gov NCT02016014; http://clinicaltrials.gov/ct2/show/NCT02016014 (Archived by WebCite at http://www.webcitation.org/760i8EL8Q).
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 | 0,006 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».