Developing an online food composition database for an Indigenous population in south-western Uganda
Notice bibliographique
Résumé
OBJECTIVE: To develop an online food composition database of locally consumed foods among an Indigenous population in south-western Uganda. DESIGN: Using a community-based approach and collaboration with local nutritionists, we collected a list of foods for inclusion in the database through focus group discussions, an individual dietary survey and markets and shops assessment. The food database was then created using seven steps: identification of foods for inclusion in the database; initial data cleaning and removal of duplicate items; linkage of foods to existing generic food composition tables; mapping and calculation of the nutrient content of recipes and foods; allocating portion sizes and accompanying foods; quality checks with local and international nutritionists; and translation into relevant local languages. SETTING: Kanungu District, south-western Uganda. PARTICIPANTS: Seventy-four participants, 36 Indigenous Batwa and 38 Bakiga, were randomly selected and interviewed to inform the development of a food list prior the construction of the food database. RESULTS: We developed an online food database for south-western Uganda including 148 commonly consumed foods complete with values for 120 micronutrients and macronutrients. This was for use with the online dietary assessment tool myfood24. Of the locally reported foods included, 56 % (n 82 items) of the items were already available in the myfood24 database, while 25 % (n 37 items) were found in existing Ugandan and Tanzanian food databases, 18 % (n 27 items) came from generated recipes and 1 % (n 2 items) from food packaging labels. CONCLUSION: Locally relevant food databases are sparse for African Indigenous communities. Here, we created a tool that can be used for assessing food intake and for tracking undernutrition among the communities living in Kanungu District. This will help to develop locally relevant food and nutrition policies.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».