MétaCan
Menu
← Retour à la cohorte
Enregistrement W2905217220 · doi:10.5539/jas.v11n1p191

Trends of Energy and Macronutrients Intakes in Jordan as Obtained by Household Expenditure and Income Surveys

2018· article· en· W2905217220 sur OpenAlexvenueno aff
Refa’at Alkurd, Hamed R. Takruri, Amira M. Amr

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Jordan
Mots-clésPer capitaConsumption (sociology)Food consumptionGeographyFood groupEnvironmental healthNutrientAgricultural economicsFood scienceToxicologyBiologyMedicineEconomicsPopulation

Résumé

récupéré en direct d'OpenAlex

Jordan has encountered changes in demographic and food consumption patterns during the last few decades as a result of the nutrition transition and westernized food habits. This paper aims to evaluate the trends in energy and macronutrient intakes in Jordan based on the data of Jordan Household Expenditure and Income Surveys (JHEIS) 1992-2010. The amounts of consumed food items were analyzed to estimate the intakes of energy and macronutrients for different governorates using (Food Processor SQL Nutrition and Fitness Software, 2010). The average estimated annual per capita intake (kg) for different food groups in the 2010 survey was the lowest since 1992 for legumes and oils and fats, whereas it was the highest for dairy products and eggs. The 2010 percentage of energy contribution of the food groups was the highest for meat and poultry, fish, and dairy products and eggs; whereas it was the lowest for grains, legumes, and fruits and vegetables. Additionally, there was a trend of increased energy intake in 2010 in comparison with previous JHEIS data. Energy intake of Jordanians has increased in 2010 as compared with average energy intake obtained in previous JHEIS surveys since 1992. In addition, the consumption of foods of animal-origin was increased, whereas the consumption of foods of plant-origin was decreased.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,376
Écart entre enseignants0,316 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural Science→Même sujetFood Security and Health in Diverse Populations→Travaux en français237 207→