Examining the Advantages of Using Multiple Web-Based Dietary Assessment Instruments to Measure Population Dietary Intake: The PREDISE Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Combining traditional dietary assessment instruments has been suggested to improve precision of dietary intake estimates. However, this has not been investigated using web-based 24-h recall (R24W) or a web-based food-frequency questionnaire (wFFQ). OBJECTIVE: The aim of this study was to compare different combinations of web-based instruments to assess population-level dietary intake estimates (means and percentiles) and their precision, either with or without statistical modeling of within-person day-to-day variations. METHODS: As part of the cross-sectional PREDISE study, 1025 French-speaking adults completed 3 randomly allocated R24W and 1 wFFQ within 21 d. Crude estimates of intake were generated from either 1 or 3 repeated R24W. The National Cancer Institute (NCI) method was used to account for within-person variation. Usual intakes were modeled from 1 R24W repeated in a subsample (40%) and from 3 R24W, with or without consideration of data from the wFFQ. RESULTS: Using crude data from 3 R24W increased precision of estimates and modified distribution of intakes compared with using data from only 1 R24W. Using NCI-modeled data from 3 repeated R24W had no impact on the precision around mean intakes but increased precision of low and high percentiles intake estimates compared with NCI-modeled data from a partially repeated R24W. Considering data from a wFFQ in combination with data derived from 3 R24W did not influence the precision of intake estimates of most foods and nutrients. CONCLUSIONS: The data suggest that relying on repeated measures of food and nutrient intake through R24W is preferable to single assessment when within-person variation is not considered. Data also suggest that when NCI modeling is applied, using 3 R24W only improves the precision of low and high percentiles intake estimates compared with using a partially repeated web-based recall.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle