MétaCan
Menu
Retour à la cohorte
Enregistrement W4376108393 · doi:10.1139/apnm-2023-0018

The Canadian Food Intake Screener for assessing alignment of adults’ dietary intake with the 2019 Canada’s Food Guide healthy food choices recommendations: scoring system and construct validity

2023· article· en· W4376108393 sur OpenAlexafffundvenueabout
Joy M. Hutchinson, Kevin W. Dodd, Patricia M. Guenther, Benoı̂t Lamarche, Jess Haines, Angela Wallace, Maude Perreault, Tabitha E. Williams, Maria Laura da Costa Louzada, Mahsa Jessri, Simone Lemieux, Dana Lee Olstad, Rachel Prowse, Janis Randall Simpson, Jennifer E. Vena, Kathleen Szajbely, Sharon I. Kirkpatrick

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensAlberta Health ServicesMemorial University of NewfoundlandUniversity of GuelphUniversity of British ColumbiaUniversity of CalgaryUniversité LavalUniversity of Waterloo
Organismes subventionnairesHealth CanadaOntario Ministry of Research and InnovationSocial Sciences and Humanities Research Council of CanadaMcGill University
Mots-clésFood intakeMedicineEnvironmental healthConstruct validityFood groupFood choiceFood frequency questionnaireGerontologyDemographyPsychometricsClinical psychologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

The Canadian Food Intake Screener/Questionnaire court canadien sur les apports alimentaires was developed to rapidly assess alignment of adults’ dietary intake over the past month with the 2019 Canada’s Food Guide’s healthy food choices recommendations. From July to December 2021, adults ( n = 154) aged 18–65 years completed the screener and up to two 24 h dietary recalls. The screener scoring system was aligned with the Healthy Eating Food Index-2019 (HEFI-2019), to the extent possible. Analysis of variance compared screener scores among subgroups with known differences in diet quality. Using the recall data, the National Cancer Institute multivariate method was used to model HEFI-2019 components, with the screener score as a covariate, and the correlation coefficient between screener and total HEFI-2019 scores was estimated. The mean screener score was 35 points (SD = 4.7; maximum 65), ranging from 26 (1st percentile) to 45 (99th percentile). Differences in scores in hypothesized directions were evident by gender identity ( p = 0.06), perceived income adequacy ( p = 0.07), education ( p = 0.02), and smoking status ( p = 0.003). The correlation between screener and HEFI-2019 scores was 0.53 (SE = 0.12). The screener’s moderate construct validity supports its use for rapid assessment of alignment of adults’ intake with the healthy food choices recommendations when comprehensive dietary assessment is not possible. Novelty The Canadian Food Intake Screener was developed to rapidly assess alignment of dietary intake with the Canada’s Food Guide-2019 healthy food choices recommendations. Scoring is aligned with the Healthy Eating Food Index-2019 to the extent possible. Among a sample of adults, reasonable variation in screener scores was noted, mean screener scores differed between some subgroups with known differences in diet quality, and a moderate correlation between screener scores and total Healthy Eating Food Index-2019 scores based on repeat 24 h dietary recalls was observed. The Canadian Food Intake Screener has moderate construct validity for rapid assessment of overall alignment of adults’ dietary intake with the Canada’s Food Guide-2019 healthy food choices recommendations.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,193
Score d'incertitude au seuil0,388

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,276
Écart entre enseignants0,239 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2023
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and MetabolismMême sujetNutritional Studies and DietTravaux en français237 207