Measurement Error Affecting Web- and Paper-Based Dietary Assessment Instruments: Insights From the Multi-Cohort Eating and Activity Study for Understanding Reporting Error
Notice bibliographique
Résumé
Few biomarker-based validation studies have examined error in online self-report dietary assessment instruments, and food records (FRs) have been considered less than food frequency questionnaires (FFQs) and 24-hour recalls (24HRs). We investigated measurement error in online and paper-based FFQs, online 24HRs, and paper-based FRs in 3 samples drawn primarily from 3 cohorts, comprising 1,393 women and 1,455 men aged 45-86 years. Data collection occurred from January 2011 to October 2013. Attenuation factors and correlation coefficients between reported and true usual intake for energy, protein, sodium, potassium, and respective densities were estimated using recovery biomarkers. Across studies, average attenuation factors for energy were 0.07, 0.07, and 0.19 for a single FFQ, 24HR, and FR, respectively. Correlation coefficients for energy were 0.24, 0.23, and 0.40, respectively. Excluding energy, the average attenuation factors across nutrients and studies were 0.22 for a single FFQ, 0.22 for a single 24HR, and 0.51 for a single FR. Corresponding correlation coefficients were 0.31, 0.34, and 0.53, respectively. For densities (nutrient expressed relative to energy), the average attenuation factors across studies were 0.37, 0.17, and 0.50, respectively. The findings support prior research suggesting different instruments have unique strengths that should be leveraged in epidemiologic research.
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 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 | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».