Perspective: Advancing Dietary Guidance for Cognitive Health—Focus On Solutions to Harmonize Test Selection, Implementation, and Evaluation
Notice bibliographique
Résumé
This perspective article is a product of a workshop of experts convened by the Institute for the Advancement of Food and Nutrition Sciences (IAFNS), a nonprofit organization that brings together scientists from government, academia, and industry to catalyze science relevant to food and nutrition for public benefit. An expert group was convened in March 2022 to discuss the current issues surrounding cognitive task selection in nutrition research, with a focus on solutions toward informing dietary guidance for cognitive health, to address a gap identified in the 2020 United States Dietary Guidelines Advisory Committee report, specifically the "considerable variation in testing methods used, [and] inconsistent validity and reliability of cognitive testing methods." To address this issue, we first undertook an umbrella review of relevant reviews already undertaken; these indicate agreement on some of the issues that affect heterogeneity in task selection, and on many of the fundamental principles underlying the selection of cognitive outcome measures. However, resolving the points of disagreement is critical to ensuring a meaningful impact on the issue of heterogeneity in task selection; these issues hamper the evaluation of existing data for informing dietary guidance. This summary of the literature is therefore followed by the expert group's perspective in the form of a discussion of potential solutions to these challenges, with the aim of building on the work of previous reviews in the area and advancing dietary guidance for cognitive health. Registered on PROSPERO: CRD42022348106. Data described in the manuscript, code book, and analytic code will be made publicly and freely available without restriction at doi.org/10.17605/OSF.IO/XRZCK.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 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 ».