MétaCan
Menu
← Retour à la cohorte
Enregistrement W3174284435 · doi:10.1096/fasebj.26.1_supplement.380.1

Social influences on sugar consumption during pregnancy

2012· article· en· W3174284435 sur OpenAlexaff
Jocelyn E. Graham, Laura E Forbes, Maria Mayan, Linda J. McCargar, Rhonda C. Bell

Notice bibliographique

RevueThe FASEB Journal · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPregnancyAdded sugarSugarEnvironmental healthMedicineFood intakeObesityPsychologyDevelopmental psychologyFood scienceEndocrinologyBiology

Résumé

récupéré en direct d'OpenAlex

Studies of dietary intake during pregnancy have shown that many women increase their sugar intake during this time, which may contribute to poor diet quality and excess weight gain. The purpose of this research is to investigate physiological, social, and environmental factors that influence sugar intake during pregnancy. Guided by the methodology of focused ethnography, a series of semi‐structured interviews (n=8) have been conducted with pregnant women of varying sugar intakes. Transcripts were analyzed using qualitative content analysis to inductively derive knowledge about sugar intake. Preliminary findings from this study that have reached saturation include three social influences on sugar intake behaviours. Women conveyed an attitude that the state of pregnancy is a license to indulge in foods that are usually limited or avoided. Fathers could have either a positive or negative effect on the sugar intakes of women depending on their own dietary habits and views. Furthermore, social expectations of nutrition in pregnancy affected people's behaviours towards pregnant women and influenced eating behaviours during pregnancy. Strategies to facilitate healthier diets during pregnancy may include altering women's beliefs and attitude towards food and weight gain, including the father in nutritional counseling, and public health campaigns to increase knowledge of nutrition during pregnancy.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,310
Écart entre enseignants0,271 · 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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB Journal→Même sujetObesity, Physical Activity, Diet→Travaux en français237 207→