Développement et validation initiale d’un questionnaire pour mesurer la consommation d’aliments ultra-transformés des adultes canadiens : une étude pilote auprès de la communauté de l’Université de Montréal
Bibliographic record
Abstract
Plusieurs études à ce jour démontrent que la consommation d’aliments ultra-transformés (AUT) serait associée à une alimentation de faible qualité et à une augmentation du risque de maladies chroniques non-transmissibles (MCNT) et d’obésité. Actuellement, pour les adultes canadiens, il n’existe encore aucun questionnaire permettant de discriminer rapidement entre différents profils de consommateurs d’AUT. Ce mémoire présente donc un projet pilote de développement et de validation initiale d’un Outil pour mesurer la consommation de Produits Ultra-Transformés (le OUTPUT). Pour ce faire, les catégories d’AUT contribuant à 0,5% et plus de l’apport énergétique total des adultes canadiens ont été identifiées d’après les données de consommation nationale (ESCC) de 2015. Ces catégories ont été représentées par des photos d’AUT vendus en épicerie et en restauration rapide. Celles-ci constituaient les deux questionnaires alimentaires simplifiés développés (rappel de 24 heures et questionnaire de fréquence). La validité apparente et de contenu du OUTPUT a été évaluée par un comité d’experts, avec la méthode Delphi. Deux tours d’enquête ont été nécessaires pour observer un consensus (fixé à 80% et plus) quant aux dimensions évaluées. La validité apparente de l’outil a ensuite été évaluée par 11 membres de la communauté de l’UdeM. Les données recueillies à travers cette étude pilote ont permis d’émettre des recommandations pour l’étude future de développement et de validation de l’outil. Une fois validé, celui-ci permettra aux nutritionnistes, aux chercheurs en épidémiologie et aux décideurs politiques une meilleure identification, gestion et prévention des MCNT et d’obésité, en lien avec la consommation d’AUT.
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 | 0.027 | 0.033 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.003 |
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".