Closing the gap: data-based decisions in food, nutrition and health systems: proceedings of the Fifth International Summit on Medical and Public Health Nutrition Education and Research
Notice bibliographique
Résumé
INTRODUCTION: Like many of the biological sciences, nutrition has rapidly become a science which relies heavily on data collection, analysis and presentation. Knowledge gaps exist where data does not, and so the fifth annual International Summit on Medical and Public Health Nutrition Education and Research was held to address the theme of 'Closing the Gap: Data-based Decisions in Food, Nutrition and Health Systems'. SETTING: Homerton College, University of Cambridge, Cambridge in July 2019. KEY FINDINGS: Data-driven decision making is more likely to lead to positive change in areas such as malnutrition, food insecurity and food production. These decisions must be informed by multiple stakeholders from various backgrounds in multisectorial collaboration. Case examples presented at the Summit contribute to the International Knowledge Application Network in Nutrition 2025, which aims to help identify and close gaps in nutrition and healthcare. CONCLUSIONS: Formation of international networks are required to advance nutrition research, identify gaps and generate high-quality data. These data can be used to adequately train healthcare professionals resulting in positive impact on clinical and public health. Strengthening collaboration between existing networks will be essential in sharing data for better health outcomes.
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 | 0,139 | 0,118 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,009 | 0,016 |
| Communication savante | 0,027 | 0,018 |
| Science ouverte | 0,005 | 0,022 |
| Intégrité de la recherche | 0,012 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,003 |
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 ».