Best Practices for Communicating Nutrition and Brain Health Science
Notice bibliographique
Résumé
The state of the science of nutrition and its relationship to brain health is complex, making dissemination of research findings difficult. One contributing factor is the lack of a consensus on defining brain health. Some organizations emphasize cognitive function (eg, memory, perception, judgment, decline, impairment) and/or the presence of dementia, whereas others use a broader conceptualization to include mood and stress. Regarding nutrition, some studies support specific dietary patterns, such as the MIND (Mediterranean-Dietary Approaches to Stop Hypertension Intervention for Neurodegenerative Delay) diet, for preserving cognitive function. Others find no effect. Public-facing organizations communicate this science in varying ways to meet consumer and patient needs and interest in preserving brain function as they age. Some organizations have standardized communication methods, whereas others communicate based on topics most salient to the consumer or patient, regardless of the strength of the evidence. This conceptual article reflects a roundtable discussion among stakeholders to document processes for communicating the state of the science to inform best practices moving forward. Six best practices are offered to ensure consistent, evidence-based communication, which is vital in the digital age where misinformation is pervasive.
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 | 0,375 | 0,394 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,013 | 0,006 |
| Études des sciences et des technologies | 0,013 | 0,033 |
| Communication savante | 0,031 | 0,032 |
| Science ouverte | 0,008 | 0,029 |
| Intégrité de la recherche | 0,024 | 0,039 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».