Ten years of Foodbook: Utilization of Foodbook survey data for research
Notice bibliographique
Résumé
Background: Enteric illnesses are a preventable cause of morbidity and healthcare utilization in Canada. To support public health and epidemiological activities, Foodbook was launched in 2014 by the Public Health Agency of Canada to collect representative information on food, water, and animal exposures, food safety knowledge, burden of gastrointestinal illnesses, and sociodemographic information. The aim of this overview was to identify how this valuable data source has been used in the past decade since its launch. Methods: Peer-reviewed and grey literature were identified by applying the search term "Foodbook" to two academic databases and two grey literature sources, respectively. Citations were screened against eligibility criteria. Study information, including study characteristics, module of Foodbook data used, and how Foodbook data was used was extracted and synthesized in tabular format. Results: A total of 27 articles were identified in the published literature that utilized Foodbook survey data in their analyses. The most common use was for outbreak investigations. In addition, Foodbook has been used to describe food, water, and animal exposures, determine food safety knowledge and practices of Canadians, estimate the burden of acute gastrointestinal illness, and evaluate data collection methods for foodborne illnesses. Conclusion: By summarizing its use, the authors aim to encourage broader use of this publicly available data source to inform health protection and promotion activities to reduce the burden of enteric illnesses in Canada.
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 | 0,029 | 0,123 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,034 | 0,075 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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.
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 ».