Change in Nutrient and Dietary Intake in European Children with Cystic Fibrosis after a 6-Month Intervention with a Self-Management mHealth Tool
Notice bibliographique
Résumé
Cystic Fibrosis (CF) is a life-long genetic disease, causing increased energy needs and a healthy diet with a specific nutrient distribution. Nutritional status is an indicator of disease prognosis and survival. This study aimed at assessing the effectiveness of a self-management mobile app in supporting patients with CF to achieve the dietary goals set by the CF nutrition guidelines. A clinical trial was conducted in pancreatic insufficient children with CF, followed in six European CF centres, where the self-management app developed within the MyCyFAPP project was used for six months. To assess secondary outcomes, three-day food records were compiled in the app at baseline and after 3 and 6 months of use. Eighty-four subjects (mean 7.8 years old) were enrolled. Compared to baseline, macronutrient distribution better approximated the guidelines, with protein and lipid increasing by 1.0 and 2.1% of the total energy intake, respectively, by the end of the study. Consequently, carbohydrate intake of the total energy intake decreased significantly (-2.9%), along with simple carbohydrate intake (-2.4%). Regarding food groups, a decrease in ultra-processed foods was documented, with a concomitant increase in meat and dairy. The use of a self-management mobile app to self-monitor dietary intake could become a useful tool to achieve adherence to guideline recommendations, if validated during a longer period of time or against a control group.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».