Completion rates for ecological momentary assessments of food intake during pregnancy and postpartum (Preprint)
Notice bibliographique
Résumé
Background: The collection of dietary behavior data is crucial in childbearing populations. In addition to observed inequities in perinatal dietary intake and quality, burdensome assessment methods (eg, 24-h dietary recall) may limit research participation for some groups. Ecological momentary assessment (EMA) is associated with reduced recall bias and participant convenience, but there is a dearth of studies with diverse cohorts. Objective: Our aim is to describe participant completion of food intake items in EMA surveys, overall and across individual characteristics (eg, prepregnancy BMI). Methods: Using secondary EMA data from participants in a longitudinal study, we report average completion rates of survey items regarding dietary behavior (eg, number of meals eaten in a day) across individual demographic variables (eg, age) and combined strata (eg, race+age) during late pregnancy and throughout 12 months post partum. Results: In our analytic sample (N=310), the average completion rate was 52.4% (SD 27.8%) during pregnancy, rising to 59.1% (SD 22.0%) after giving birth. Participants who were older (>30 y), overweight before pregnancy, self-identified as White, working, or earning higher annual income (>US $50,000) had higher average completion rates than their counterparts. Examining combined strata, we found some variation in survey completion within racial groups. Black participants using a study phone had higher average completion rates during pregnancy and post partum, but this relationship was reversed for White participants. Conclusions: Our secondary analysis showed relatively stable engagement with EMA surveys in a childbearing cohort across 15 months. Increased completion rates among privileged groups (eg, White, higher income) may demonstrate the impact of socioeconomic advantages on individual health behaviors. Investigators should consider how intersections between race and other factors (eg, employment) may impact participation and data collection.
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 | 0,011 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».