Skin Carotenoid Score Level and Race Affect Intradevice Repeatability of Veggie Meter® at a Single Time Point
Notice bibliographique
Résumé
OBJECTIVE: To compare the reliability of 2 methods (3 scan average vs average of scan 2 and 3) of skin carotenoid score (SCS) measurement and identify participant-level factors affecting intradevice repeatability of Veggie Meter® (VM). DESIGN: Cross-sectional study in Illinois. PARTICIPANTS: The sample (N = 587) included about 36% children, 27% adolescents, and 32% adults; 67% were White, 14% Asian, 10% Black or African American, 8% mixed race, 1% Native Hawaiian, and 0.4% American Indian; 92% were non-Hispanic, and 53% female. VARIABLE MEASURED: Three consecutive SCS readings using 2 devices. Self-reported or parent-reported demographic information. ANALYSIS: Paired sample t-tests compared the coefficient of variation of the 3-scan average SCS with the coefficient of variation of the second and third-scan average SCS. We conducted sign tests and generated Bland-Altman plots to determine the type of errors. Kruskal-Wallis and Mann-Whitney tests assessed if repeatability coefficients of the 3 consecutive SCS readings were different across age, race, ethnicity, and SCS quartiles, where repeatability coefficients = within-subject SD × √2 × 1.96. RESULTS: = 9.7, P = 0.02). Pairwise comparisons showed that repeatability coefficients were significantly lower for Black or African American participants than White (mean SCS difference = 22.3, P = 0.001) and Asian participants (mean SCS difference = 23.7, P = 0.005) in one device (VM 1). CONCLUSION AND IMPLICATIONS: Findings support using the average of the second and third scans as a more reliable method for assessing SCS. Reporting device-specific repeatability coefficients for the VM may enhance the interpretability of SCS, particularly for individuals with low SCS and for Black or African American participants.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».