MétaCan
Menu
Retour à la cohorte
Enregistrement W2921393863 · doi:10.1186/s12263-019-0629-7

Current knowledge and interest of French Canadians regarding nutrigenetics

2019· article· en· W2921393863 sur OpenAlexafffundabout
Bastien Vallée Marcotte, Hubert Cormier, Véronique Garneau, Julie Robitaille, Sophie Desroches, Marie‐Claude Vohl

Notice bibliographique

RevueGenes & Nutrition · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNutrition, Genetics, and Disease
Établissements canadiensUniversité Laval
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health Research
Mots-clésEnvironmental healthGerontologyMedicinePopulationExposome

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The purpose of this study was to draw a global portrait of the current knowledge and interest regarding nutrigenetics in a population of French Canadians from the province of Quebec (Canada). METHODS: A total of 2238 residents from the province of Quebec, Canada, were recruited via social networks and from the Laval University employee/student lists to participate in a 37-question online survey on nutrigenetics. RESULTS: < 0.0001). The vast majority of participants (90.7%) reported to be willing to follow a personalised diet based on nutrigenetic testing, especially if they came to know themselves as carriers of a polymorphism increasing the risk of certain diseases. Participants had a higher interest in testing related to metabolic response to macronutrients (types of sugars, fats and proteins) than to micronutrients or other nutrients related to food intolerance. CONCLUSIONS: The attitude of French Canadians about nutrigenetics is very consistent with the results from other surveys published in the literature. Although few individuals are familiar with nutrigenetics, the public's attitude towards nutrigenetics is globally favourable.

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)0,002
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 enseignants0,029
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,001
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,013
Tête enseignante GPT0,256
Écart entre enseignants0,243 · 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

Citations16
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueGenes & NutritionMême sujetNutrition, Genetics, and DiseaseTravaux en français237 207