MétaCan
Menu
← Retour à la cohorte
Enregistrement W4407168090 · doi:10.1016/j.jneb.2025.01.001

Project Gender NutriScope: Methods of a Mixed Methods, Community-Engaged Study Design to Explore the Nutritional Needs of Transgender and Gender-Diverse Youth and Young Adults

2025· article· en· W4407168090 sur OpenAlexvenueno aff
Heather Schier, Krithika Chetty, Shivakriti Induri, Miriam Knopp, Julie Kennel, Whitney Linsenmeyer, Avery M. Anderson, Matthew Adkins, Irene Hatsu, Janna Stephens, Carolyn Gunther

Notice bibliographique

RevueJournal of Nutrition Education and Behavior · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueLGBTQ Health, Identity, and Policy
Établissements canadiensnon disponible
Organismes subventionnairesNational Institutes of HealthOhio State UniversityNational Center for Advancing Translational SciencesCollege of Education and Human Ecology, Ohio State University
Mots-clésTransgenderPsychologyGerontologyMedicineGender studiesSociology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Despite growing evidence of distinct nutrition-related experiences and disparities, transgender and gender-diverse (TGD) youth and young adults are an underrepresented population in nutrition research. This paper describes the methods and study design from Project Gender NutriScope, a study that will explore the nutritional needs of TGD youth and young adults. DESIGN: Parallel convergent cross-sectional mixed methods; community-engaged. SETTING: A purposive sample will be recruited in a Midwest city through clinics, youth organizations, and a large state university. PARTICIPANTS: Transgender and gender-diverse youth and young adults aged 13-24 years. INTERVENTION: Findings from this formative study will be used to inform future intervention development. MAIN OUTCOME MEASURES: Dietary intake, eating patterns, disordered eating patterns, food security status, perceptions of relationship with food, and nutrition-related concerns. ANALYSIS: Quantitative data will be analyzed using descriptive summary statistics. Qualitative data will be analyzed by reflexive thematic analysis. The 2 databases will be integrated iteratively.

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)0,037
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,198

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0370,021
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0050,002
Communication savante0,0030,002
Science ouverte0,0030,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0200,002

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.

Tête enseignante Opus0,339
Tête enseignante GPT0,519
Écart entre enseignants0,181 · 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'étudeQualitatif
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nutrition Education and Behavior→Même sujetLGBTQ Health, Identity, and Policy→Travaux en français237 207→