A surveillance tool to assess diets according to Eating Well with Canada's Food Guide.
Notice bibliographique
Résumé
BACKGROUND: A surveillance tool was developed to assess dietary intake collected by surveys in relation to Eating Well with Canada's Food Guide (CFG). The tool classifies foods in the Canadian Nutrient File (CNF) according to how closely they reflect CFG. This paper describes the validation exercise conducted to ensure that CNF foods determined to be "in line with CFG" were appropriately classified. DATA AND METHODS: With statistical modelling, 8,000 simulated diets (500 for each of the 16 Dietary Reference Intake [DRI] age/sex groups) were generated using commonly consumed foods classified as "in line with CFG." Criteria for assessing the energy content and nutrient distributions of the simulated diets were based on factors considered in the development of CFG, including Estimated Energy Requirement (EER) and Dietary Reference Intake (DRI) values. RESULTS: The median energy content of the simulated diets was at or below reference EERs. Most age/sex group distributions had macronutrient profiles that met the assessment criterion of 80% of the distribution within the Acceptable Macronutrient Distribution Range, and almost all age/sex group distributions had a low prevalence (less than 10%) of micronutrient profiles below the Estimated Average Requirements. Overall, the findings indicate that diets consisting of foods that are commonly consumed by Canadians and that are "in line with CFG" have a low probability of energy excess and nutrient inadequacy. INTERPRETATION: The classification of foods in the CNF accurately reflects CFG recommendations and can be used to assess surveillance data.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».