Uniformity of Food Protein Interpretation Amongst Dietitians for Patients with Phenylketonuria (PKU): 2020 UK National Consensus Statements
Notice bibliographique
Résumé
In phenylketonuria (PKU), variable dietary advice provided by health professionals and social media leads to uncertainty for patients/caregivers reliant on accurate, evidence based dietary information. Over four years, 112 consensus statements concerning the allocation of foods in a low phenylalanine diet for PKU were developed by the British Inherited Metabolic Disease Dietitians Group (BIMDG-DG) from 34 PKU treatment centres, utilising 10 rounds of Delphi consultation to gain a majority (≥75%) decision. A mean of 29 UK dietitians (range: 18-40) and 18 treatment centres (range: 13-23) contributed in each round. Statements encompassed all foods/food groups divided into four categories based on defined protein/phenylalanine content: (1) foods high in protein/phenylalanine (best avoided); (2) foods allowed without restriction including fruit/vegetables containing phenylalanine ≤75 mg/100 g and most foods containing protein ≤0.5 g/100 g; (3) foods that should be calculated/weighed as an exchange food if they contain protein exchange ingredients (categorized into foods with a protein content of: >0.1 g/100 g (milk/plant milks only), >0.5 g/100 g (bread/pasta/cereal/flours), >1 g/100 g (cook-in/table-top sauces/dressings), >1.5 g/100 g (soya sauces)); and (4) fruit/vegetables containing phenylalanine >75 mg/100 g allocated as part of the protein/phenylalanine exchange system. These statements have been endorsed and translated into practical dietary management advice by the medical advisory dietitians for the National Society for PKU (NSPKU).
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 | 0,157 | 0,170 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».