MétaCan
Menu
Retour à la cohorte
Enregistrement W3127393363 · doi:10.1096/fasebj.31.1_supplement.30.6

Development of a Healthy Eating Pattern for the Revision of Canada's Food Guide

2017· article· en· W3127393363 sur OpenAlexaffabout
Lisa‐Anne Elvidge, Karelyn Davis, Krista A. Esslinger, Sylvie St‐Pierre

Notice bibliographique

RevueThe FASEB Journal · 2017
Typearticle
Langueen
DomaineNursing
ThématiqueNutrition, Health and Food Behavior
Établissements canadiensHealth Canada
Organismes subventionnairesnon disponible
Mots-clésPresentation (obstetrics)LimitingInclusion (mineral)Food choiceEnvironmental healthProcess (computing)CaloriePsychologyMedicineComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Health Canada develops evidence‐based guidance on healthy eating. Canada's Food Guide is currently under revision and Health Canada is exploring an expanded food pattern modelling methodology to develop a revised healthy eating pattern. The objective of this presentation is to share Health Canada's draft modelling methodology. Food pattern modelling is the process of adjusting daily amounts of foods from different categories to meet specific criteria, such as meeting nutrient intake goals, limiting nutrients of concern or ensuring inclusion of foods associated with positive health outcomes. Food pattern modelling was used to develop the healthy eating pattern in the previous (2007) version of Canada's Food Guide and will be used again during this revision. To help inform the draft methodology, a literature review was conducted to describe and compare statistical modelling methods used internationally in the development of dietary patterns, primarily since the 2007 Canadian food guide was released. Results of the review indicate that while different countries used various approaches, many similarities were found in terms of the overall steps taken to develop recommended dietary patterns. Differences included how energy levels were considered, whether or not to include guidance on discretionary calories, and modelling of additional patterns to highlight certain food groups that reduce chronic disease risks. The review identified techniques and ideas on how Canada's modeling approach could be expanded and improved. This information was integrated in the proposed modelling methodology that Health Canada is putting forward. This presentation will highlight the key steps and important considerations while developing the revised healthy eating pattern. This session will give attendees the opportunity to ask questions and provide feed‐back on the proposed modeling approach.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,041
score de la tête « metaresearch » (Gemma)0,076
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,122
Score d'incertitude au seuil0,884

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0410,076
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0080,009
Études des sciences et des technologies0,0070,004
Communication savante0,0090,003
Science ouverte0,0070,005
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0140,007

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 Opus0,056
Tête enseignante GPT0,335
Écart entre enseignants0,279 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetNutrition, Health and Food BehaviorTravaux en français237 207