The Fallacy of Using Administrative Data in Assessing the Effectiveness of Food Fortification. Comment on: “Folic Acid Fortification and Neural Tube Defect Risk: Analysis of the Food Fortification Initiative Dataset. Nutrients 2020, 12, 247”
Notice bibliographique
Résumé
Our objective in this comment is to highlight several limitations in an ecological research study that was published in Nutrients by Murphy and Westmark (2020) in January 2020. The study used data from the Food Fortification Initiative (FFI) website, and applying an ecological study design, made an error of “ecologic fallacy” in concluding that “national fortification with folic acid is not associated with a significant decrease in the prevalence of neural tube defects (NTDs) at the population level”. We list study limitations that led to their erroneous conclusions, stemming from incorrect considerations regarding NTD prevalence, the average grain availability for a country, the fortification coverage in a country, the population reach of fortified foods within a country, and the absence of the consideration of fortification type (voluntary vs. mandatory), country-specific policies on elective terminations for NTD-affected pregnancies, stillbirth proportions among those with NTDs, and fortification implementation. FFI data are derived from many sources and intended for fortification advocacy, not for hypothesis testing. The flawed study by Murphy & Westmark (2020) in Nutrients promotes a confusing and incorrect message to stakeholders, misguides policy makers, and hinders progress in global NTD prevention through a cost-effective, safe, and effective intervention: the mandatory large-scale folic acid fortification of staple foods.
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 | 0,101 | 0,417 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,008 | 0,004 |
| Intégrité de la recherche | 0,017 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,005 |
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 ».