MétaCan
Menu
Retour à la cohorte
Enregistrement W2913863988 · doi:10.3390/ijerph16030311

Trimester-Specific Assessment of Diet Quality in a Sample of Canadian Pregnant Women

2019· article· en· W2913863988 sur OpenAlexafffundabout
Claudia Savard, Simone Lemieux, Élise Carbonneau, Véronique Provencher, Claudia Gagnon, Julie Robitaille, Anne‐Sophie Morisset

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueGestational Diabetes Research and Management
Établissements canadiensUniversité Laval
Organismes subventionnairesDanone Institute of Canada
Mots-clésMedicineUnderweightPregnancyOverweightFirst trimesterBody mass indexObesitySecond trimesterDemographyPublic healthObstetricsEnvironmental healthGerontologyGestationEndocrinologyBiology

Résumé

récupéré en direct d'OpenAlex

The present study aimed to (1) examine changes in diet quality throughout pregnancy and (2) identify maternal characteristics associated with trimester-specific diet quality. Pregnant women (n = 79) were recruited in their 1st trimester of pregnancy and completed, at each trimester, three web-based 24-hour dietary recalls, from which the Canadian Healthy Eating Index (HEI) was calculated. Physical activity, nutrition knowledge, and socio-demographic web-questionnaires were also completed. Although no variation in total HEI scores was observed across trimesters, we found an overall decrease in the following subscores: adequacy, total fruits and vegetables, unsaturated fats and saturated fats (p < 0.05). In the 1st trimester, overweight and obese pregnant women had a lower diet quality in comparison with normal-weight and underweight women (HEI scores: 63.1 ± 11.9 vs. 68.0 ± 9.3; p = 0.04). In the 3rd trimester, women younger than 28 years old, with no university degree, poorer nutrition knowledge and who reside in an urban setting, had a lower diet quality (p < 0.05). In conclusion, less educated, younger women who reside in an urban setting may be at a higher risk of poor diet quality in late pregnancy and could benefit from public health programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,085
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,000
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 Opus0,107
Tête enseignante GPT0,432
Écart entre enseignants0,324 · 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 tête enseignante, 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

Citations65
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetGestational Diabetes Research and ManagementTravaux en français237 207