Differing effects of statistical approaches to assess the relationship between egg consumption patterns and adiposity using data from 2001–2008 NHANES
Notice bibliographique
Résumé
Associations between food patterns and adiposity are poorly understood. Three statistical approaches examining the association between egg consumption and adiposity were tested. Participants (n=18,987) were 19 + years from 2001–2008 NHANES. 24 hour diet recall data provided intake; body mass index (BMI) and waist circumference (WC) determined adiposity. Least‐square means ± SE, adjusting for appropriate covariates, were generated. The first statistical approach categorized participants into egg or non‐egg consumers. Consumers had higher mean BMI (p=0.006) and WC (p=0.002) than non‐consumers. Second, cluster analysis identified 8 distinct egg consumption patterns (explaining 34.5% of the variance in total energy intake). Two egg patterns (egg/meat, poultry, fish [MPF]/grain/vegetables & egg/MPF/grain), consumed by ≤2% of the population, drove the association (compared with no egg pattern) between egg consumption and BMI and WC. The third approach controlled for other food groups consumed with eggs in those two egg patterns. Only the egg/MPF/grain pattern remained associated with BMI and WC (both p≤0.0063). Care needs to be taken with data interpretation of diet and health risk factors and the choice of statistical analyses since these studies are used to generate hypotheses. Additional studies are needed to better understand these relationships. Support: USDA & Egg Nutrition Board.
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 | 0,554 | 0,635 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,017 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».