MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399790799 · doi:10.1016/j.jneb.2024.05.226

Evaluating the Validity of the PortionSize Smartphone Application for Estimating Dietary Intake in Free-Living Conditions: A Pilot Study

2024· article· en· W4399790799 sur OpenAlexvenueno aff
Hanim E. Diktas, Chloe Panizza, Sanjoy Saha, Stephanie T. Broyles, Corby K. Martin, John W. Apolzan

Notice bibliographique

RevueJournal of Nutrition Education and Behavior · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institute of General Medical SciencesNational Institutes of HealthLouisiana Clinical and Translational Science Center
Mots-clésSmartphone applicationEnvironmental healthGerontologyComputer scienceMedicineMultimedia

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Evaluate the validity of the PortionSize application. METHODS: In this pilot study, 14 adults used PortionSize to record their free-living food intake over 3 consecutive days. Digital photography was the criterion measure, and the main outcomes were estimated intake of food (grams), energy (kilocalories), and food groups. Equivalence tests with ±25% equivalence bounds and Bland-Altman analysis were performed. RESULTS: Estimated gram intake from PortionSize was equivalent (P < 0.001) to digital photography estimates. PortionSize and digital photography estimated energy intake, however, were not equivalent (P = 0.08), with larger estimates from PortionSize. In addition, PortionSize and digital photography were equivalent for vegetable intake (P = 0.01), but PortionSize had larger estimates of fruits, grains, dairy, and protein intake (P >0.07; error range 11% to 23%). CONCLUSIONS AND IMPLICATIONS: Compared with digital photography, PortionSize accurately estimated food intake and had reasonable error rates for other nutrients; however, it overestimated energy intake, indicating further application improvements are needed for free-living conditions.

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)0,014
score de la tête « metaresearch » (Gemma)0,050
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 enseignants0,014
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,050
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,124
Tête enseignante GPT0,434
Écart entre enseignants0,310 · 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nutrition Education and Behavior→Même sujetNutritional Studies and Diet→Travaux en français237 207→