MétaCan
Menu
Retour à la cohorte
Enregistrement W2969635699 · doi:10.1146/annurev-nutr-082018-124610

Evidence Collection and Evaluation for the Development of Dietary Guidelines and Public Policy on Nutrition

2019· review· en· W2969635699 sur OpenAlexaff
Dena Zeraatkar, Bradley C. Johnston, Gordon Guyatt

Notice bibliographique

RevueAnnual Review of Nutrition · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensDalhousie UniversityMcMaster UniversityImpact
Organismes subventionnairesAustralian GovernmentU.S. Department of AgricultureU.S. Department of Health and Human Services
Mots-clésGuidelineGrading (engineering)Quality of evidenceSystematic reviewEvidence-based medicineGovernment (linguistics)MedicineEvidence-based policyEvidence-based practiceCertaintyRisk analysis (engineering)MEDLINEManagement sciencePolitical scienceMeta-analysisAlternative medicineEconomicsEngineeringPathology

Résumé

récupéré en direct d'OpenAlex

Dietary guidelines and recommendations, usually developed by government bodies or large authoritative organizations, have major downstream effects on public policy. A growing body of evidence supports the notion that there are serious deficiencies in the methods used to develop dietary guidelines. Such deficiencies include the failure to access or conduct comprehensive systematic reviews, a lack of systematic or rigorous evaluation of the quality of the evidence, a failure to acknowledge the limitations of the evidence base underlying recommendations, and insufficiently stringent management of conflicts of interest. These issues may be addressed by adhering to international standards for guideline development, including adopting systematic review methodology and using rigorous systems to evaluate the certainty of the evidence and to move from evidence to recommendations, of which the GRADE approach (Grading of Recommendations Assessment,Development and Evaluation) is the most rigorous and fully developed. Improving the methods by which dietary guidelines are produced has considerable potential to substantially improve public policy decision-making.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,637
Score d'incertitude au seuil0,725

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,343
Tête enseignante GPT0,488
Écart entre enseignants0,145 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations35
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of NutritionMême sujetNutritional Studies and DietTravaux en français237 207