MétaCan
Menu
Retour à la cohorte
Enregistrement W4400131623 · doi:10.1136/military-2024-002738

Nutrition as a military capability to deliver human advantage: more people, more ready, more of the time

2024· article· en· W4400131623 sur OpenAlexaff
Joanne L. Fallowfield, James P. McClung, Erin Gaffney‐Stomberg, Belinda Probert, Ralph C. Peterson, A Charlebois, H Boilard, Julia Carins, Helen Kilding

Notice bibliographique

RevueBMJ Military Health · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensDepartment of National Defence
Organismes subventionnairesnon disponible
Mots-clésPreparednessRisk analysis (engineering)BusinessPhase (matter)Assisted livingProcess managementHuman healthEngineeringMarketingOperations managementEnvironmental economicsMedicineEnvironmental healthNursingManagementEconomics

Résumé

récupéré en direct d'OpenAlex

Soldiers must achieve high-level mission-preparedness to endure extended periods of physical and cognitive activity, with unpredictable recovery, in all environments. Nutrition provides the foundation for health and performance. Militaries have not maximised the strategic and financial value that considering nutrition as a military capability could deliver. A whole system approach to military nutrition, based on the prepare-perform-recover human capability cycle phases, is presented. Trainee nutrition requirements, through to very-high-readiness forces undertaking arduous roles at reach, must be specifically addressed. Promoting military performance diets in the prepare phase, through practitioner-supported nutrition education and food provision, will ensure mission readiness and mitigate ill health. Delivering nutrition in field settings in the perform phase-through smaller/lighter, nutritionally optimised rations and smart packaging technologies-will improve utility and minimise waste. Strategic dietary supplement use can provide a mission performance-enhancing adjunct to a food-first philosophy. Impact value chain analysis of military nutrition capability investments could support cost-benefit measurement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,735
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,016
Tête enseignante GPT0,355
Écart entre enseignants0,339 · 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 tête enseignante, pas un consensus.

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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Military HealthMême sujetObesity, Physical Activity, DietTravaux en français237 207