MétaCan
Menu
Retour à la cohorte
Enregistrement W4414516669 · doi:10.1017/s136898002510116x

Examining intra- and inter-device reliability of pressure-mediated reflection spectroscopy in a multi-state sample of healthy adults

2025· article· en· W4414516669 sur OpenAlexaff
Susan B. Sisson, Shanon Casperson, Saima Hasnin, Stephanie Jilcott Pitts, Virginia C. Stage, Christopher R. Long, Taren Massey-Swindle, Dipti A. Dev, Ashlea Braun, Jodi Stookey, Rowena Cape, Jonathan Baldwin

Notice bibliographique

RevuePublic Health Nutrition · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensChild, Adolescent and Family Mental HealthImpact
Organismes subventionnairesNational Institute on Minority Health and Health DisparitiesAgricultural Research ServiceNational Institutes of HealthUniversity of Arkansas for Medical SciencesU.S. Department of AgricultureUniversity of OklahomaEast Carolina UniversityNorth Carolina State UniversityOklahoma State University
Mots-clésReliability (semiconductor)Margin (machine learning)Sample (material)Reflection (computer programming)Sample size determinationSignificant difference

Résumé

récupéré en direct d'OpenAlex

Abstract Objective: To examine the intra- and inter-device reliability of devices using pressure-mediated reflection spectroscopy (the Veggie Meter®). Design: A cross-sectional research study was conducted across eight sites in the USA. Using two Veggie Meters® at each site, participants completed five, counter-balanced pairs of finger scans. Intra-device comparisons included intra-class correlation coefficients (ICC) and calculation of the CV and 95 % CI of each device/site; hypothesised to be ≤ 6 %. Inter-device comparisons included ICC, absolute relative differences (ARD) and 95 % CI, and equivalence; both hypothesised to be ≤ 10 %. Setting: Eight sites across the USA. Participants: Across sites, participants’ ( n 282) average age ranged 24·7–39·0 years; sex ranged 60·0–85·7 % women and Non-Hispanic White ranged 20·0–94·3 %. Results: Intra-device ICC ranged from 0·77 to 0·99. The CV ranged from 6·2 to 14·2 %, with an average of 8·8 %. A majority (63 %; n 10) of the Veggie Meter® devices had significantly higher CV from the hypothesised 6 %. Inter-device ICC ranged from 0·58 to 0·94. The ARD ranged from 7·5 to 22·0 %, with an average of 13·9 %. ARD in a majority ( n 5) of sites was significantly higher than the hypothesised 10 %. Five sites (63 %) demonstrated equivalence below the hypothesised 10 %. Conclusions: Our study demonstrates the intra-device and inter-device reliability to be moderate to high, as per ICC. The observed margin of difference within a device was up to 14 %, with an average of 9 %. The observed margin of difference between devices was up to 22 %, with an average of 14 % between devices.

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)0,005
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,054
Tête enseignante GPT0,391
Écart entre enseignants0,337 · 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'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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublic Health NutritionMême sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207