Categorising ultra-processed foods in large-scale cohort studies: evidence from the Nurses’ Health Studies, the Health Professionals Follow-up Study, and the Growing Up Today Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This manuscript details the strategy employed for categorising food items based on their processing levels into the four NOVA groups. Semi-quantitative food frequency questionnaires (FFQs) from the Nurses' Health Studies (NHS) I and II, the Health Professionals Follow-up Study (HPFS) and the Growing Up Today Studies (GUTS) I and II cohorts were used. The four-stage approach included: (i) the creation of a complete food list from the FFQs; (ii) assignment of food items to a NOVA group by three researchers; (iii) checking for consensus in categorisation and shortlisting discordant food items; (iv) discussions with experts and use of additional resources (research dieticians, cohort-specific documents, online grocery store scans) to guide the final categorisation of the short-listed items. At stage 1, 205 and 315 food items were compiled from the NHS and HPFS, and the GUTS FFQs, respectively. Over 70 % of food items from all cohorts were assigned to a NOVA group after stage 2. The remainder were shortlisted for further discussion (stage 3). After two rounds of reviews at stage 4, 95⋅6 % of food items (NHS + HPFS) and 90⋅7 % items (GUTS) were categorised. The remaining products were assigned to a non-ultra-processed food group (primary categorisation) and flagged for sensitivity analyses at which point they would be categorised as ultra-processed. Of all items in the food lists, 36⋅1 % in the NHS and HPFS cohorts and 43⋅5 % in the GUTS cohorts were identified as ultra-processed. Future work is needed to validate this approach. Documentation and discussions of alternative approaches for categorisation are encouraged.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle