Additional file 1: of Consumption of low nutritive value foods and cardiometabolic risk factors among French-speaking adults from Quebec, Canada: the PREDISE study
Notice bibliographique
Résumé
Table S1. Classification of some foods high in saturated fats, sugar or sodium in the R24W using the Health Canada Surveillance Tool Tier System. Table S2. Examples of calories from low nutritive value foods in mixed dishes as calculated in the R24W. Table S3. Estimation of standard deviation stratified by BMI, sex and age group among participants that came for clinical assessment. Table S4. Median intakes of low nutritive value foods among 1147 French-speaking adults from 5 administrative regions of the Province of Quebec, Canada. Table S5. “Naive” associations between incremental consumption of 250 cal from low nutritive value foods and cardiometabolic risk markers. Table S6. “Naive” associations between incremental consumption of 10% of total energy intakes from low nutritive value foods and cardiometabolic risk markers. Table S7. Associations between incremental consumption of 250 cal from low nutritive value foods and cardiometabolic risk markers, stratified by median Canadian Healthy Eating Index scores. Figure S1. Proportion of total energy intake provided by the main sources of low nutritive value foods according to sociodemographic characteristics. (PDF 337 kb)
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,566 | 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 tête enseignante, 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 ».