Indicadores antropométricos e dietéticos utilizados em estudos de base populacional: uma revisão sistemática
Bibliographic record
Abstract
Objetivo: Identificar pesquisas de saúde e nutrição de base populacional, com adultos e idosos, e realizadas nas Américas, Europa e Oceania, para investigar os métodos antropométricos e de consumo alimentar mais utilizados, sua aplicabilidade e limitações. Metodologia: Bases de dados eletrônicas (LILACS, PubMed e SCOPUS) foram sistematicamente pesquisadas em busca de estudos publicados entre 1997 e 2017 em português, inglês ou espanhol. 48 estudos (45.8% realizados nas Américas) atenderam os critérios de elegibilidade e foram incluídos na revisão. Os dados foram analisados em 2018. Resultados: A qualidade metodológica da maioria dos estudos (64,4%) foi classificada como moderada, conforme o checklist da Agency for Healthcare Research and Quality para estudos transversais e a escala Newcastle-Ottawa para estudos de coorte. 35.4% dos artigos avaliaram apenas o consumo alimentar, 29.2% apenas a antropometria, enquanto 35.4% avaliaram o consumo alimentar e as medidas antropométricas. Os métodos de consumo alimentar mais utilizados foram o registro alimentar (31% dos estudos) e o recordatório de 24h (22% dos estudos). O índice de massa corporal (IMC) foi o indicador mais utilizado para avaliação antropométrica. Embora a maioria dos estudos tenha utilizado os critérios da Organização Mundial da Saúde, estes não adotaram pontos de corte diferentes para classificar o IMC de adultos e idosos. Conclusão: o IMC e os métodos que registram o consumo atual, como o registro alimentar e o recordatório de 24h, foram os principais métodos de avaliação do estado nutricional, levando-se em consideração a fácil aplicação, baixo custo e boa reprodutibilidade. Registro de revisão sistemática: PROSPEROCRD42017071392.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.039 | 0.076 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.004 | 0.005 |
| Bibliometrics | 0.018 | 0.025 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".