Development and Evaluation of the Dietary Pattern Calculator (DiPaC) for Personalized Assessment and Feedback
Notice bibliographique
Résumé
This study aimed to develop and validate a diet assessment screener – the Dietary Pattern Calculator (DiPaC). A scoping review identified currently available short diet quality assessment tools. Twenty-one articles covering 19 unique tools were included. The current tools mainly focused on individual nutrients or food groups or were developed for a specific population, and few ascertained overall dietary patterns. The 24-hour dietary recalls from the nationally representative Canadian Community Health Survey (CCHS)-Nutrition 2015 (n = 13,958) were used to derive and validate a personalized dietary pattern informed by the scoping review using weighted partial least squares. The dominant dietary pattern in CCHS-Nutrition 2015 was characterized by high consumption of fast foods, carbonated drinks, and salty snacks and low consumption of whole fruits, orange vegetables, other vegetables and juices, whole grains, dark green vegetables, legumes, and soy. The dietary pattern assessment was used to create and evaluate DiPaC following an agile and user-centred research and development approach. DiPaC, which demonstrated high validity and intermediate reliability (internal consistency = 0.47–0.51), is publicly available at https://www.projectbiglife.ca/ . DiPaC can be used by the public, clinicians, and researchers for quick and robust assessment of diet quality, providing immediate feedback with the advantage of being easy to implement.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,123 | 0,234 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».