MétaCan
Menu
Retour à la cohorte
Enregistrement W4225295916 · doi:10.3148/cjdpr-2022-004

Using Nutrition Knowledge and Diet Quality Questionnaires as Screening Tools to Identify Female Collegiate Athletes in Need of Dietitian Referral

2022· article· en· W4225295916 sur OpenAlexvenueno aff
J. S. Skinner, Kaila A. Vento, Carol S. Johnston, Floris C. Wardenaar

Notice bibliographique

RevueCanadian Journal of Dietetic Practice and Research · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle metabolism and nutrition
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReferralMedicineAthletesPhysical therapyFamily medicineCross-sectional study

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to evaluate nutrition knowledge and diet quality in collegiate athletes to determine if referral to a sports registered dietitian (RD) is warranted. This cross-sectional study analyzed four sections of the Nutrition for Sport Knowledge Questionnaire and the Rapid Eating Assessment for Patients Questionnaire, both validated in athletic populations. The relationship between nutrition knowledge and diet quality was evaluated. Significance was set at P ≤ 0.05. One hundred and twenty athletes reported a median nutrition score of 52 (45–61), and a dietary quality score of 53 (46–58), with a weak, positive association between both (r = 0.28 (95% CI: 0.11–0.44), P < 0.01). Fifty-four percent were categorized as needing a referral to a sports RD. Diet quality scores differed between dietitian referral group with 49 (43–54) versus 58 (52–62) for the nonreferral group, respectively (P < 0.01, V = 0.71), with no difference in nutrition knowledge observed, P = 0.73. Overall, nutrition knowledge and diet quality in our sample of collegiate athletes was poor. College athletic departments with limited access to sports RD should use these questionnaires to evaluate knowledge and the need of dietitian referral separately.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,171
Tête enseignante GPT0,460
Écart entre enseignants0,289 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Dietetic Practice and ResearchMême sujetMuscle metabolism and nutritionTravaux en français237 207