MétaCan
Menu
Retour à la cohorte
Enregistrement W2944294506 · doi:10.2196/11997

Paper-Based Versus Web-Based Versions of Self-Administered Questionnaires, Including Food-Frequency Questionnaires: Prospective Cohort Study

2019· article· en· W2944294506 sur OpenAlexvenueno aff
Itzíar Zazpe, Susana Santiago, Carmen de la Fuente‐Arrillaga, Jorge M. Núñez‐Córdoba, Maira Bes‐Rastrollo, Miguel Ángel Martínez‐González

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Regional Development FundUniversidad de Navarra
Mots-clésMedicineLogistic regressionFood frequency questionnaireProspective cohort studyCohortCohort studyDemographyEnvironmental healthGerontologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Web-based questionnaires allow collecting data quickly, with minimal costs from large sample groups and through Web-based self-administered forms. Until recently, there has been a lack of evidence from large-scale epidemiological studies and nutrition surveys that have evaluated the comparison between traditional and new technologies to measure dietary intake. OBJECTIVE: This study aimed to compare results from the general baseline questionnaire (Q_0) and the 10-year follow-up questionnaire (Q_10) in the Seguimiento Universidad de Navarra (SUN) prospective cohort, obtained from different subjects, some of whom used a paper-based version, and others used a Web-based version. Both baseline and 10-year assessments included a validated 136-item semiquantitative food-frequency questionnaire (FFQ), used to collect dietary intake. METHODS: The SUN project is a prospective cohort study (with continuous open recruitment and many participants who were recently recruited). All participants were university graduates. Participants who completed the validated FFQ at baseline (FFQ_0, n=22,564) were selected. The variables analyzed were classified into 6 groups of questions: (1) FFQ (136 items), (2) healthy eating attitudes (10 items), (3) alcohol consumption (3 items), (4) physical activity during leisure time (17 items), (5) other activities (24 items), and (6) personality traits (3 items). Multiple linear and logistic regression models were used to assess the adjusted differences between the mean number of missing values and the risk of having apparently incorrect values for FFQ items or mismatches and inconsistencies in dietary variables. RESULTS: Only 1.5% (339/22564) and 60.71% (6765/11144) participants reported their information using the Web-based version for Q_0 and Q_10, respectively, and 51.40 % (11598/22564) and 100.00% (11144/11144) of participants who completed the Q_0 and Q_10, respectively, had the option of choosing the Web-based version. Sociodemographic, lifestyle, health characteristics, food consumption, and energy and nutrient intakes were similar among participants, according to the type of questionnaire used in Q_10. Less than 0.5% of values were missing for items related to healthy eating attitudes, alcohol consumption, and personality traits in the Web-based questionnaires. The proportion of missing data in FFQ, leisure time physical activity, and other activities was higher in paper-based questionnaires than Web-based questionnaires. In Web-based questionnaires, a high degree of internal consistency was found when comparing answers that should not be contradictory, such as the frequency of fruit as dessert versus total fruit consumption and the frequency of fried food consumptions versus oil consumption. CONCLUSIONS: Incorporating a Web-based version for a baseline and 10-year questionnaire has not implicated a loss of data quality in this cohort of highly educated adults. Younger participants showed greater preference for Web-based questionnaires. Web-based questionnaires were filled out to a greater extent and with less missing items than paper-based questionnaires. Further research is needed to optimize data collection and response rate in Web-based questionnaires.

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)0,013
score de la tête « metaresearch » (Gemma)0,015
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 enseignants0,013
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,323
Écart entre enseignants0,288 · 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

Citations26
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetNutritional Studies and DietTravaux en français237 207