Prace dyplomowe · Pisanie pracy

Jak napisać pracę z dietetyki i zdrowia publicznego – pomiar i raportowanie

W pracy z żywienia główna zmienna to często deklaracja. Na fikcyjnym przykładzie spożycia owoców i warzyw oraz BMI studentów pokazujemy, jak opisać pomiar, błąd deklaracji, STROBE-nut, przekrojowość i rekomendacje dla programów – z fragmentami „przed i po”.

Strona główna / Blog / Praca z dietetyki i zdrowia publicznego
W skrócie: W pracy z dietetyki i zdrowia publicznego najważniejszy jest opis pomiaru: co dokładnie deklarują badani, czym jest porcja, jaką trafność ma narzędzie i w którą stronę mógł działać błąd. Punkty STROBE-nut (Lachat i in., 2016) pozwalają sprawdzić kompletność tekstu. W badaniu przekrojowym pisz o „związku”, nazywaj dane „deklarowanym spożyciem”, a rekomendacje kieruj do programów i instytucji, nie do czytelnika. W symulacji sam błąd deklaracji zmienił współczynnik z −0.25 na +0.08.

Główna zmienna, której nikt nie zmierzył

W pracy z fizjoterapii zakres ruchu odczytujesz z goniometru. W pracy z dietetyki i zdrowia publicznego główna zmienna to zwykle to, co osoba powiedziała, że zjadła. Dlatego proporcje są tu inne niż w innych dziedzinach: ramy teoretyczne zajmują niewiele miejsca, a opis pomiaru spożycia, antropometrii i błędu pomiaru – bardzo dużo. Ta część rozstrzyga, co wolno napisać na końcu.

Wpis prowadzi przez pracę od problemu po rekomendacje na jednym fikcyjnym przykładzie: spożycie owoców i warzyw (dalej FV) a BMI studentów. Testy i analizy zgodności opisuje wpis statystyka w pracy z dietetyki, a ogólne porównanie dziedzin – jedna praca, trzy podejścia. Tu chodzi o tekst: jak go napisać, by zgadzał się z danymi.

Opisane konwencje są częste, ale nie obowiązują wszędzie. Wymagania uczelni i promotora mają pierwszeństwo. Wpis nie zawiera porad żywieniowych ani norm spożycia: jeśli porównujesz wyniki z zaleceniami, weź je z aktualnego dokumentu i zacytuj.

Problem: pytanie o grupę, nie o człowieka

Jak bywa napisane: „Prawidłowe odżywianie ma ogromne znaczenie dla zdrowia każdego człowieka. Studenci często odżywiają się nieprawidłowo. Celem pracy jest zbadanie wpływu spożycia owoców i warzyw na BMI studentów”.

Co jest nie tak: „nieprawidłowo” nie ma miary ani źródła; „wpływ” obiecuje wniosek przyczynowy, którego jednorazowa ankieta nie da; nie wiadomo, kogo, kiedy i czym badano. Akapit mógłby otwierać dowolną pracę o żywieniu, a uzasadnienie problemu powinno pasować tylko do tej.

Poprawiona wersja (fikcyjna, nawiasy kwadratowe uzupełnij):

Celem badania było opisanie deklarowanego spożycia owoców i warzyw wśród studentów studiów stacjonarnych [kierunki, uczelnia – bez nazwy w publikacji] w [semestr, rok] oraz oszacowanie związku tego spożycia z BMI ustalonym na podstawie pomiaru masy ciała i wzrostu, z uwzględnieniem płci, wieku i aktywności fizycznej. Postawiono dwa pytania badawcze. P1: Ile porcji owoców i warzyw dziennie deklarują badani? P2: Czy liczba deklarowanych porcji wiąże się z BMI po uwzględnieniu płci, wieku i aktywności fizycznej?

Słowo „deklarowane” nie jest ozdobą: przypomina, co naprawdę mierzysz. Dalsze wskazówki znajdziesz we wpisach o wstępie i celu oraz o pytaniach i hipotezach. W części czysto opisowej (P1) pytanie wystarczy, a hipotezy nie są potrzebne.

Perspektywa zdrowia publicznego. Rose (1985) rozróżnił dwa pytania: dlaczego ten człowiek zachorował oraz od czego zależy częstość choroby w populacji. Jeśli narażenie jest podobne u prawie wszystkich w badanej grupie, porównania wewnątrz grupy go nie ujawnią. W Twojej pracy może to oznaczać, że najcenniejszy jest opis poziomu spożycia w grupie, a nie korelacja. Pisz więc, na którym poziomie stawiasz pytanie: czy o różnice między osobami, czy o sytuację całej grupy.

Jak wybrać metodę pomiaru spożycia

Żadna metoda nie jest domyślnie „najlepsza”. Tabela to obserwacja ogólna z prac dyplomowych i podręcznikowego podziału metod; dobierz metodę do pytania.

Cztery metody pomiaru spożycia w pracy dyplomowej: co dają, główna słabość, kiedy pasują i co opisać
MetodaCo dajeGłówna słabośćKiedy pasuje
Kwestionariusz częstości spożycia (FFQ)zwyczajowe spożycie z dłuższego okresulista produktów ogranicza odpowiedź; porcje szacowane z pamięciporządkowanie osób od niskiego do wysokiego spożycia
Dzienniczek żywieniowy (zapis bieżący)szczegóły posiłków z kilku dniobciąża badanych; samo prowadzenie może zmienić jedzeniemała próba, gdy ważna jest ilość w gramach
Wywiad o spożyciu z ostatnich 24 godzinspożycie z konkretnego dniajeden dzień słabo oddaje zwyczajowe spożycie; potrzebny przeszkolony ankieteropis średniej w grupie, najlepiej z kilku dni
Kilka pytań o częstość (autorskich)prosty wskaźnik nawykuzwykle brak danych o trafności; ostrożniejsze wnioskilicencjat, opis zachowań, nie ilość spożycia

Dla FFQ nie ma złotego standardu oceny trafności, więc narzędzie trzeba sprawdzać pod kątem zamierzonego zastosowania (Cade i in., 2002). Liczą się dwie różne własności. Kowalkowska i Wadolowska (2022) badały 72-pozycyjny FFQ u 186 studentów w wieku 19–26 lat. Korelacja Spearmana między dwoma wypełnieniami wyniosła od .631 do .878 w zależności od składnika odżywczego, ale z zapisem spożycia – tylko od −.025 do .390 (dla danych surowych). Stabilna odpowiedź nie znaczy trafnej odpowiedzi: rzetelność test–retest to jedno, a zgodność z inną metodą – drugie. Podobnie KomPAN (Kowalkowska i in., 2018): częstość spożycia 33 grup produktów powtórzono po dwóch tygodniach, a autorzy polecają narzędzie po przeprowadzeniu badania walidacyjnego lub kalibracyjnego; pod względem powtarzalności samodzielne wypełnianie wypadło gorzej niż wypełnianie z ankieterem.

Zdefiniuj „owoce i warzywa” przed badaniem. Czy liczysz soki, ziemniaki, strączkowe, owoce suszone? Jak opisano porcję (miarą domową, zdjęciem, w gramach)? Od tych decyzji zależy liczba w pliku, a w wielu pracach nie ma o nich ani słowa. Rysunek 1 pokazuje, gdzie po drodze powstaje błąd i co opisać.

Schemat pięciu etapów: co naprawdę zjedzono, pamięć i okres pytania, ocena porcji, aprobata społeczna, liczba w pliku. Pod każdym etapem możliwe zniekształcenie, na przykład zapominanie, miary domowe, zawyżanie owoców i warzyw, oraz punkt STROBE-nut do opisania w pracy
Rysunek 1. Droga od zjedzonego produktu do liczby w analizie: na każdym etapie może powstać inne zniekształcenie, a każdemu odpowiada punkt rozszerzenia STROBE-nut (Lachat i in., 2016).

Niedoszacowanie i drugi kierunek błędu

O błędzie deklaracji najwięcej wiadomo w odniesieniu do energii. W przeglądzie 59 badań z pomiarem wydatku energetycznego metodą podwójnie znakowanej wody większość prac wykazała istotne niedoszacowanie spożycia energii, a wielkość błędu silnie się różniła nawet przy tej samej metodzie; wywiady 24-godzinne dawały mniejszą i mniej zmienną różnicę niż inne metody (Burrows i in., 2019). W badaniu OPEN (484 osoby w wieku 40–69 lat) kobiety zaniżały energię o 34–38% w FFQ i o 16–20% w wywiadach 24-godzinnych, a mężczyźni o 31–36% i 12–14% (Subar i in., 2003). To dorośli z jednego hrabstwa w USA, starsi od studentów – nie przenoś tych procentów na swoją próbę. Przenieś mechanizm.

Macdiarmid i Blundell (1998) podają, że kobiety i osoby z wyższym BMI częściej zaniżają spożycie. Wnioskują też, że produkty o złym wizerunku są częściej zaniżane, a o dobrym, jak owoce i warzywa, częściej zawyżane. To logiczny wniosek autorów, nie bezpośredni pomiar. Stąd w pracy o FV nie pisz automatycznie o „niedoszacowaniu”. Napisz o możliwej aprobacie społecznej i o tym, w którą stronę mogła przesunąć wynik.

Prosta symulacja pokazuje, dlaczego kierunek ma znaczenie. Prawdziwy efekt to −0.25 kg/m² na porcję dziennie (Rysunek 2). Jeśli deklaracja zawiera tylko błąd losowy o rzetelności około .50, średnie b spada do −0.13 – to znana atenuacja. Jeśli dodatkowo osoby z BMI ≥ 25 zawyżają FV, średnie b wynosi +0.08, czyli zmienia znak. W czwartym świecie związku w ogóle nie ma, ale osoby po przybraniu na wadze zaczęły jeść więcej FV i średnie b wynosi +0.20. Trzeci i czwarty świat dają w danych podobny obraz, choć ich wyjaśnienia są zupełnie inne. Jednorazowa ankieta ich nie rozdzieli.

Średnie współczynniki b w czterech symulowanych scenariuszach: spożycie znane bez błędu minus 0.25, deklaracja z błędem losowym minus 0.13, osoby z BMI co najmniej 25 zawyżają deklarację plus 0.08, brak związku i odwrotna kolejność plus 0.20
Rysunek 2. Średni współczynnik b i zakres 95% wyników z 2000 symulowanych prób po 245 osób przy czterech założeniach o pomiarze i kolejności zdarzeń. Dane symulowane.

BMI: napisz, skąd się wzięło

Decyzje analityczne dotyczące BMI (liczba czy kategorie, kształt związku, wartości niemożliwe) omawia wpis o BMI i pomiarach antropometrycznych jako zmiennych. W tekście pracy zapisz cztery rzeczy: czy masę i wzrost zmierzono, czy podali je badani; kto mierzył, jakim sprzętem i według jakiego protokołu; czy pomiar odbył się tego samego dnia co ankieta (STROBE-nut prosi o czas pomiarów niedietetycznych względem oceny diety); jakie wartości wyłączono. Jeśli BMI pochodzi z deklaracji, nie nazywaj go „pomiarem”, a w ograniczeniach napisz to wprost.

Podrozdział „Metoda” z komentarzem

Jak bywa napisane: „Badanie przeprowadzono za pomocą autorskiej ankiety wśród studentów. Pytano o spożycie owoców i warzyw oraz zbadano BMI. Wyniki opracowano statystycznie”.

Co jest nie tak: czytelnik nie wie, kiedy, kogo i jak dobrano, jaki okres obejmowało pytanie, czym jest porcja, ile osób wypadło ani jakim modelem liczono. Pełniejszy układ podrozdziału opisują wpisy o rozdziale metodologicznym i sondażu przekrojowym w naukach o zdrowiu. Niżej fragmenty charakterystyczne dla żywienia (wartości fikcyjne, policzone w R).

Przeprowadzono badanie przekrojowe w [miesiące, rok] wśród studentów studiów stacjonarnych [kierunki]. Zastosowano dobór wygodny: zaproszenia przekazano podczas zajęć [liczba grup]. Kwestionariusz wypełniło 268 osób. Z analizy wyłączono 16 osób z brakami w spożyciu lub BMI oraz 2 osoby, które podały więcej niż 12 porcji dziennie (kryterium ustalone przed analizą). Analizowano dane 250 osób (175 kobiet). Spożycie owoców i warzyw oceniano dwoma pytaniami o liczbę porcji w typowym dniu w ostatnich 3 miesiącach. Porcję opisano miarami domowymi [przykłady z kwestionariusza]. Do owoców i warzyw nie zaliczono ziemniaków ani soków. Spożycia suplementów nie oceniano. Pytania sprawdzono w badaniu pilotażowym na [n] osobach; nie oceniono ich trafności względem zapisu spożycia. Masę ciała i wzrost zmierzono w dniu wypełnienia kwestionariusza [urządzenie, protokół]. Spożycie opisano średnią i odchyleniem standardowym oraz w tercylach. Związek spożycia z BMI oceniono regresją liniową bez korekty i z korektą na płeć, wiek i aktywność fizyczną (zmienne wybrane przed analizą na podstawie [źródła]). Podano współczynniki b z 95% przedziałami ufności.

Dobór wygodny nazwij po imieniu i ogranicz uogólnienia do podobnych osób (zob. dobór próby w pracy dyplomowej). Wykluczenia pokaż na diagramie przepływu, gdy jest ich więcej. O zgody zapytaj promotora na początku (zgoda komisji bioetycznej).

STROBE to 22 punkty dla badań obserwacyjnych (von Elm i in., 2007), a STROBE-nut dodaje 24 zalecenia dla epidemiologii żywienia (Lachat i in., 2016). Nie każda praca dyplomowa musi je formalnie stosować (zob. które wytyczne wybrać), ale lista dobrze sprawdza kompletność tekstu. Punkty najczęściej potrzebne w takim badaniu:

Wybrane punkty STROBE-nut i odpowiadający im zapis w przykładowej pracy o spożyciu owoców i warzyw
PunktO co chodziW przykładzie
nut-1metoda oceny żywienia w tytule, streszczeniu lub słowach kluczowych„na podstawie kwestionariusza częstości spożycia” w streszczeniu
nut-7.1definicja produktów i grupczy liczysz soki, ziemniaki, strączkowe
nut-8.1metoda: porcje, liczba dni i pozycji, jak powstała i jak ją stosowano; suplementy3 miesiące, 2 pytania, miary domowe, brak pytań o suplementy
nut-8.3zalecenia, z którymi porównujesz spożyciejeśli porównujesz: dokument, wydanie, sposób oceny
nut-8.5dane niedietetyczne i ich czasmasa i wzrost tego samego dnia
nut-8.6trafność metody„nie oceniono trafności” – też jest informacją
nut-9jak podchodzono do błędu: zniekształcona deklaracja, zmiana nawyków w trakcie pomiaruanonimowość pytań; opis w ograniczeniach
nut-11podział danych na kategoriegranice tercyli i powód ich użycia
nut-13ile osób wyłączono z powodu braków lub wartości niewiarygodnych16 i 2 osoby
nut-17analizy wrażliwościwynik bez wyłączania wartości skrajnych
nut-19, nut-20ograniczenia metody i znaczenie żywieniowe wynikusekcja dyskusji niżej

Opis wyników: bez „wpływu” i bez „braku związku”

Układ wyników powinien wynikać z pytań: najpierw opis spożycia (P1), potem związek z BMI (P2). Podział na tercyle podaj z granicami, bo inaczej nikt nie porówna ich z inną pracą. Cechy próby rozbite według spożycia to też punkt STROBE-nut (nut-14); szerzej zob. Tabela 1.

Fikcyjne wyniki: BMI i aktywność fizyczna w tercylach deklarowanego spożycia owoców i warzyw
Tercyl FV (porcje dziennie)nBMI, M (SD)Aktywność, godz./tydz., M (SD)
T1 (do 2.2)8821.57 (3.35)3.25 (2.21)
T2 (2.3–3.4)7920.81 (3.31)3.59 (2.87)
T3 (powyżej 3.4)8320.89 (2.87)3.66 (2.31)

Jak bywa napisane: „Spożycie owoców i warzyw nie wpływa na BMI (p > .05)”.

Co jest nie tak: ani „wpływ”, ani „nie wpływa” nie wynikają z takich danych, a próg zamiast wartości p ukrywa wynik. Więcej o tym w tekście jak opisać wynik nieistotny.

Badani deklarowali średnio 2.91 porcji owoców i warzyw dziennie (SD = 1.44), a średnie BMI wyniosło 21.10 kg/m² (SD = 3.20). W modelu bez korekty każda dodatkowa deklarowana porcja wiązała się z BMI niższym o 0.20 kg/m², b = −0.20, 95% CI [−0.47, 0.08], t(248) = −1.40, p = .164. Po uwzględnieniu płci, wieku i aktywności fizycznej oszacowanie wyniosło b = −0.11, 95% CI [−0.39, 0.16], t(245) = −0.81, p = .418. Przedział ufności obejmuje zarówno brak związku, jak i BMI niższe o 0.39 kg/m² na porcję, więc dane nie rozstrzygają o kierunku tego związku.

Zdanie zbierające wynik na końcu rozdziału napiszesz według wpisu o podsumowaniu wyników.

Dyskusja: przekrojowość i błąd pomiaru

Jak bywa napisane: „Wyniki potwierdzają, że dieta bogata w warzywa zapobiega otyłości, dlatego studenci powinni jeść ich więcej”.

Co jest nie tak: schemat przekrojowy nie mówi o zapobieganiu, a wynik jest nieistotny. Otyłości nikt tu nie badał, a zdanie to porada dla ludzi, a nie wniosek z badania. W tej dziedzinie dyskusja ma trzy obowiązkowe wątki:

  1. Kolejność zdarzeń. Spożycie i BMI zmierzono równocześnie. Osoba z wyższym BMI mogła zmienić dietę, zanim wypełniła ankietę (czwarty świat z Rysunku 2).
  2. Co jeszcze różni osoby. Zmienne zakłócające: dochód, mieszkanie z rodziną, palenie, inne elementy diety. Wymień te, których nie zmierzono.
  3. Kierunek błędu pomiaru. Napisz, czy deklaracja mogła osłabić czy odwrócić wynik, i oprzyj się na źródłach dotyczących podobnej metody. Układ akapitu opisuje wpis o ograniczeniach badania, całość – jak napisać dyskusję.
Badanie miało schemat przekrojowy, dlatego nie można ustalić, czy spożycie owoców i warzyw poprzedzało obecne BMI; część osób mogła zmienić sposób żywienia z powodu masy ciała. Spożycie oceniano na podstawie deklaracji z dwóch pytań, których trafności nie sprawdzono. Błąd losowy mógł osłabić oszacowany związek, a skłonność do zawyżania spożycia produktów postrzeganych jako korzystne, jeśli była silniejsza u osób z wyższym BMI, mogła przesunąć je w stronę dodatnią. Nie mierzono dochodu ani innych składników diety. Próba została dobrana w sposób wygodny na jednej uczelni, więc wyniki nie opisują wszystkich studentów. Znaczenie żywieniowe oszacowania jest niepewne: przedział ufności obejmuje wartości od −0.39 do 0.16 kg/m² na porcję.

Rekomendacje dla programów, nie porady

Praca z żywienia kusi, by kończyć ją zaleceniami dla czytelnika. Tymczasem w zdrowiu publicznym adresatem jest zwykle instytucja, a wniosek musi wynikać z tego, co zmierzono. Reguły pisania zaleceń opisuje wpis o wnioskach i rekomendacjach; w tej dziedzinie pomaga poniższe rozróżnienie.

Co wolno napisać w rekomendacjach po przekrojowym badaniu spożycia owoców i warzyw
PokusaDlaczego nieCo da się napisać
„Studenci powinni jeść więcej warzyw”to porada; badanie jej nie testowało„W badanej grupie deklarowane spożycie wynosiło średnio 2.91 porcji dziennie; poziom ten można porównać z zaleceniami [dokument]”
„Program żywieniowy obniży BMI studentów”brak interwencji i danych o zmianie„Uczelnia planująca działania może wykorzystać opisane dane jako punkt wyjścia; skuteczność takich działań wymaga oddzielnej oceny”
„Należy prowadzić edukację w całej populacji”próba wygodna z jednej uczelni„Warto powtórzyć pomiar w próbie obejmującej inne kierunki i uczelnie”
„Wykazano potrzebę zmian w stołówkach”dostępności produktów nie mierzono„Nie badano dostępności produktów; włączenie tej zmiennej byłoby potrzebne, by zaplanować działania środowiskowe”

Podobny układ prac, ale z pacjentami i oddziałem, znajdziesz we wpisach o pracy z pielęgniarstwa i położnictwa i ratownictwa; statystyczną stronę prac populacyjnych – w tekście statystyka w pracy ze zdrowia publicznego.

Najczęstsze błędy

  • „Niedoszacowanie” jako wytrych. Pisane automatycznie, także tam, gdzie owoce i warzywa mogły być zawyżane.
  • Brak definicji porcji i grupy produktów. Wynik jest wtedy nieporównywalny z żadną inną pracą.
  • Procenty z obcego badania. Dane o zaniżaniu energii z innej grupy wiekowej podane tak, jakby dotyczyły Twojej próby.
  • Korelacja FFQ z dzienniczkiem nazwana „trafnością” bez informacji, że oba opierają się na deklaracji badanych.
  • „Pomiar BMI” z masy i wzrostu podanych w ankiecie.
  • Normy bez źródła i wydania. „Zalecane spożycie” z pamięci albo strony internetowej.
  • Tercyle bez granic i reguły wykluczeń ustalane po obejrzeniu wyników.
  • Zalecenia dla ludzi zamiast wniosków o badanej grupie i rekomendacji dla programów.
Przykład reprodukowalny

Skąd liczby w przykładzie

Liczby w gotowych fragmentach pochodzą z dwóch krótkich przepisów w bazowym R, działających na danych symulowanych. Pierwszy tworzy fikcyjne badanie i liczy wszystko, co pojawia się w opisie metody i wyników. Drugi tworzy cztery scenariusze z Rysunku 2. Ziarna nie dobierano pod wynik, stąd efekt nieistotny w przykładzie.

1. Fikcyjne badanie: wyłączenia, opis i regresja

Dane wejściowe: 268 symulowanych studentów, zmienne: płeć, wiek, godziny aktywności, deklarowane porcje FV, BMI (set.seed(4651)).

Co odczytać: liczebności po wyłączeniach, średnie, granice tercyli, współczynnik fv z 95% CI w modelu bez korekty i z korektą.

R
# Dane symulowane: fikcyjne badanie przekrojowe studentów.
set.seed(4651)
n <- 268
kobieta <- rbinom(n, 1, .70)
wiek <- sample(19:26, n, replace = TRUE, prob = c(.14, .20, .20, .18, .12, .08, .05, .03))
aktywnosc <- round(rgamma(n, shape = 2.2, scale = 1.6), 1)      # godziny tygodniowo
fv_prawdziwe <- rgamma(n, shape = 4, scale = .65) + .4 * kobieta
fv <- round(pmax(0, fv_prawdziwe + rnorm(n, 0, .9)), 1)         # deklarowane porcje dziennie
masa_wzrost <- rnorm(n, 23.3, 3.1)
bmi <- round(masa_wzrost - 1.2 * kobieta - .24 * fv_prawdziwe - .10 * aktywnosc +
               .12 * (wiek - 22), 1)

# Niekompletne odpowiedzi i wartości niewiarygodne, wykluczane według reguł ustalonych z góry
fv[sample(n, 11)] <- NA
bmi[sample(n, 6)] <- NA
fv[sample(which(!is.na(fv)), 3)] <- c(14.5, 16, 18)
d <- data.frame(kobieta, wiek, aktywnosc, fv, bmi)

brak <- is.na(d$fv) | is.na(d$bmi)
niewiar <- !brak & d$fv > 12
cat("Wypełniło:", n, "| braki FV/BMI:", sum(brak), "| FV > 12 porcji:", sum(niewiar),
    "| do analizy:", n - sum(brak) - sum(niewiar), "\n")
a <- d[!brak & !niewiar, ]

opis <- function(x) c(M = mean(x), SD = sd(x))
cat("Porcje FV:", round(opis(a$fv), 2), "| BMI:", round(opis(a$bmi), 2),
    "| kobiety:", sum(a$kobieta), "\n")

gr <- quantile(a$fv, c(1, 2) / 3)
cat("Granice tercyli FV:", round(gr, 2), "\n")
a$tercyl <- cut(a$fv, c(-Inf, gr, Inf), labels = c("T1", "T2", "T3"))
print(round(do.call(rbind, tapply(a$bmi, a$tercyl, function(x)
  c(n = length(x), M = mean(x), SD = sd(x)))), 2))
print(round(do.call(rbind, tapply(a$aktywnosc, a$tercyl, function(x)
  c(M = mean(x), SD = sd(x)))), 2))

surowy <- lm(bmi ~ fv, a)
pelny <- lm(bmi ~ fv + kobieta + wiek + aktywnosc, a)
pokaz <- function(m) {
  s <- summary(m)$coefficients
  round(cbind(b = s[, 1], s[, 2, drop = FALSE], confint(m), t = s[, 3], p = s[, 4]), 3)
}
print(pokaz(surowy)["fv", , drop = FALSE])
print(pokaz(pelny))
cat("df reszt:", df.residual(surowy), df.residual(pelny),
    "| R2 modelu pełnego:", round(summary(pelny)$r.squared, 3), "\n")
Wynik w R
Wypełniło: 268 | braki FV/BMI: 16 | FV > 12 porcji: 2 | do analizy: 250 
Porcje FV: 2.91 1.44 | BMI: 21.1 3.2 | kobiety: 175 
Granice tercyli FV: 2.2 3.4 
    n     M   SD
T1 88 21.57 3.35
T2 79 20.81 3.31
T3 83 20.89 2.87
      M   SD
T1 3.25 2.21
T2 3.59 2.87
T3 3.66 2.31
        b Std. Error  2.5 % 97.5 %      t     p
fv -0.196      0.141 -0.473  0.081 -1.396 0.164
                 b Std. Error  2.5 % 97.5 %      t     p
(Intercept) 19.616      2.577 14.540 24.691  7.612 0.000
fv          -0.113      0.139 -0.386  0.161 -0.810 0.418
kobieta     -1.407      0.438 -2.270 -0.544 -3.213 0.001
wiek         0.152      0.116 -0.077  0.381  1.304 0.193
aktywnosc   -0.121      0.082 -0.282  0.039 -1.487 0.138
df reszt: 248 245 | R2 modelu pełnego: 0.073 

2. Cztery scenariusze błędu i kolejności zdarzeń

Dane wejściowe: 2000 prób po 245 osób w każdym z czterech scenariuszy (set.seed(4652)).

Co odczytać: średni współczynnik b, zakres 95% wyników i odsetek prób z ujemnym b.

R
# Dane symulowane: co błąd deklaracji i odwrotna kolejność robią ze współczynnikiem b.
set.seed(4652)
jedno <- function(n = 245) {
  fv <- rgamma(n, shape = 4, scale = .65)
  bmi <- 22.8 - .25 * fv + rnorm(n, 0, 3)
  blad <- rnorm(n, 0, sd(fv))                     # rzetelność deklaracji około .50
  zero <- 22.1 + rnorm(n, 0, 3)                   # świat bez związku FV z BMI
  fv_zero <- fv + .9 * (zero >= 25) + blad        # po przybraniu na wadze je więcej FV
  c(prawdziwe = coef(lm(bmi ~ fv))[[2]],
    losowy = coef(lm(bmi ~ I(fv + blad)))[[2]],
    roznicowy = coef(lm(bmi ~ I(fv + blad + .9 * (bmi >= 25))))[[2]],
    odwrotny = coef(lm(zero ~ fv_zero))[[2]])
}
wyniki <- t(replicate(2000, jedno()))
sc <- data.frame(srednie_b = colMeans(wyniki),
                 p2.5 = apply(wyniki, 2, quantile, .025),
                 p97.5 = apply(wyniki, 2, quantile, .975),
                 odsetek_b_ujemnych = colMeans(wyniki < 0) * 100)
print(round(sc, 3))
Wynik w R
          srednie_b   p2.5 p97.5 odsetek_b_ujemnych
prawdziwe    -0.250 -0.537 0.036              95.95
losowy       -0.125 -0.331 0.074              88.50
roznicowy     0.080 -0.120 0.286              23.50
odwrotny      0.196 -0.009 0.402               3.10

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje pakietów base i stats); rysunki przygotowano w pakietach ggplot2 i svglite. W pracy podaj wersje faktycznie użytych programów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  3. svglite (wersja 2.2.2): Wickham, H., Henry, L., Pedersen, T. L., Luciani, T. J., Decorde, M., & Lise, V. (2025). svglite: An ‘SVG’ graphics device [R package]. https://doi.org/10.32614/CRAN.package.svglite

Zanim oddasz pracę – lista kontrolna

  • Tytuł lub streszczenie wymienia metodę oceny żywienia.
  • W celu i pytaniach jest „deklarowane spożycie”, jeśli dane są deklaracją.
  • Zdefiniowano porcję i grupy produktów; podano okres, którego dotyczy pytanie.
  • Opisano trafność i rzetelność narzędzia albo napisano wprost, że ich nie oceniono.
  • Wiadomo, czy BMI pochodzi z pomiaru, czy z deklaracji, i kiedy je ustalono.
  • Podano liczbę wyłączonych osób i reguły ustalone przed analizą.
  • Kategorie mają granice, a model – 95% CI.
  • Normy i zalecenia mają źródło; bez źródła ich nie ma.
  • Dyskusja opisuje kolejność zdarzeń, zmienne niezmierzone i kierunek błędu pomiaru.
  • Nie ma słów „wpływ”, „zapobiega”, „obniża”, a rekomendacje mają adresata i podstawę w danych.
  • Sprawdzono wymagania uczelni i promotora.

Najczęstsze pytania

Czy w pracy z dietetyki trzeba stosować listę STROBE-nut?

Formalnie zwykle nie: decydują wymagania uczelni i promotora. STROBE-nut (Lachat i in., 2016) dodaje do STROBE 24 zalecenia dla badań żywieniowych, więc dobrze działa jako lista kontrolna metody. Najczęściej przydają się punkty o definicji produktów, opisie metody oceny spożycia, błędzie i wyłączeniach.

FFQ czy dzienniczek żywieniowy – co wybrać do pracy magisterskiej?

Kwestionariusz częstości spożycia dobrze służy porządkowaniu osób według zwyczajowego spożycia i da się go zastosować w większej próbie. Dzienniczek daje więcej szczegółów z kilku dni, ale obciąża badanych. Wybór zależy od pytania: czy potrzebujesz opisać nawyk, czy ilość w gramach. Niezależnie od metody opisz, co wiadomo o jej trafności w badanej grupie.

Jak opisać błąd deklaracji spożycia w ograniczeniach pracy?

Nazwij metodę, napisz, czego dotyczy pytanie, i wskaż możliwy kierunek błędu. Niedoszacowanie dotyczy przede wszystkim energii; owoce i warzywa mogą być zawyżane (Macdiarmid i Blundell, 1998). Nie podawaj procentów z badań obcych grup tak, jakby opisywały Twoją próbę. Napisz też, czy trafność narzędzia była sprawdzana.

Czy z jednorazowej ankiety o spożyciu warzyw można wnioskować o ich wpływie na BMI?

Nie. W badaniu przekrojowym spożycie i BMI mierzysz równocześnie, więc nie wiesz, co było pierwsze. Osoba z wyższym BMI mogła zmienić dietę, a zależność mogą tworzyć też zmienne niezmierzone. Pisz o związku lub różnicy, a we wnioskach zaznacz, że badanie nie ustala przyczyny.

Jakie rekomendacje można napisać po przekrojowym badaniu w zdrowiu publicznym?

Takie, które wynikają z opisu grupy: gdzie poziom spożycia można porównać z aktualnym zaleceniem podanym ze źródłem, którym grupom warto przyjrzeć się w kolejnym badaniu, jakie dane zebrać przed zaplanowaniem działań. Adresatem jest instytucja lub autor programu. Samo badanie nie ocenia skuteczności interwencji, więc jej nie obiecuj.

Powiązane hasła

Przeczytaj też

Piszesz pracę z dietetyki lub zdrowia publicznego?

Pomożemy dobrać pomiar spożycia i analizę do pytań badawczych, policzyć wyniki w R lub SPSS i wyjaśnimy je tak, żebyś umiał(a) samodzielnie je opisać i obronić.

Oferta dla studentówWyceń analizę

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Burrows, T. L., Ho, Y. Y., Rollo, M. E., & Collins, C. E. (2019). Validity of dietary assessment methods when compared to the method of doubly labeled water: A systematic review in adults. Frontiers in Endocrinology, 10, Article 850. https://doi.org/10.3389/fendo.2019.00850 ● Otwarty dostęp
  2. Cade, J., Thompson, R., Burley, V., & Warm, D. (2002). Development, validation and utilisation of food-frequency questionnaires – a review. Public Health Nutrition, 5(4), 567–587. https://doi.org/10.1079/phn2001318 ● Otwarty dostęp
  3. Kowalkowska, J., & Wadolowska, L. (2022). The 72-item semi-quantitative food frequency questionnaire (72-item SQ-FFQ) for Polish young adults: Reproducibility and relative validity. Nutrients, 14(13), Article 2696. https://doi.org/10.3390/nu14132696 ● Otwarty dostęp
  4. Kowalkowska, J., Wadolowska, L., Czarnocinska, J., Czlapka-Matyasik, M., Galinski, G., Jezewska-Zychowicz, M., Bronkowska, M., Dlugosz, A., Loboda, D., & Wyka, J. (2018). Reproducibility of a questionnaire for dietary habits, lifestyle and nutrition knowledge assessment (KomPAN) in Polish adolescents and adults. Nutrients, 10(12), Article 1845. https://doi.org/10.3390/nu10121845 ● Otwarty dostęp
  5. Lachat, C., Hawwash, D., Ocké, M. C., Berg, C., Forsum, E., Hörnell, A., Larsson, C., Sonestedt, E., Wirfält, E., Åkesson, A., Kolsteren, P., Byrnes, G., De Keyzer, W., Van Camp, J., Cade, J. E., Slimani, N., Cevallos, M., Egger, M., & Huybrechts, I. (2016). Strengthening the Reporting of Observational Studies in Epidemiology—Nutritional Epidemiology (STROBE-nut): An extension of the STROBE statement. PLOS Medicine, 13(6), Article e1002036. https://doi.org/10.1371/journal.pmed.1002036 ● Otwarty dostęp
  6. Macdiarmid, J., & Blundell, J. (1998). Assessing dietary intake: Who, what and why of under-reporting. Nutrition Research Reviews, 11(2), 231–253. https://doi.org/10.1079/nrr19980017 ● Otwarty dostęp
  7. Rose, G. (1985). Sick individuals and sick populations. International Journal of Epidemiology, 14(1), 32–38. https://doi.org/10.1093/ije/14.1.32 ● Otwarty dostęp: pełny tekst
  8. Subar, A. F., Kipnis, V., Troiano, R. P., Midthune, D., Schoeller, D. A., Bingham, S., Sharbaugh, C. O., Trabulsi, J., Runswick, S., Ballard-Barbash, R., Sunshine, J., & Schatzkin, A. (2003). Using intake biomarkers to evaluate the extent of dietary misreporting in a large sample of adults: The OPEN study. American Journal of Epidemiology, 158(1), 1–13. https://doi.org/10.1093/aje/kwg092
  9. von Elm, E., Altman, D. G., Egger, M., Pocock, S. J., Gøtzsche, P. C., Vandenbroucke, J. P., & STROBE Initiative. (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: Guidelines for reporting observational studies. PLOS Medicine, 4(10), Article e296. https://doi.org/10.1371/journal.pmed.0040296 ● Otwarty dostęp

Cytowania BibTeX

@article{burrows2019validity, author={Burrows, Tracy L. and Ho, Yan Yee and Rollo, Megan E. and Collins, Clare E.}, title={{Validity of dietary assessment methods when compared to the method of doubly labeled water: A systematic review in adults}}, journal={Frontiers in Endocrinology}, year={2019}, volume={10}, eid={850}, doi={10.3389/fendo.2019.00850}}
@article{cade2002development, author={Cade, Janet and Thompson, Rachel and Burley, Victoria and Warm, Daniel}, title={{Development, validation and utilisation of food-frequency questionnaires – a review}}, journal={Public Health Nutrition}, year={2002}, volume={5}, number={4}, pages={567--587}, doi={10.1079/phn2001318}}
@article{kowalkowska2022semiquantitative, author={Kowalkowska, Joanna and Wadolowska, Lidia}, title={{The 72-item semi-quantitative food frequency questionnaire (72-item SQ-FFQ) for Polish young adults: Reproducibility and relative validity}}, journal={Nutrients}, year={2022}, volume={14}, number={13}, eid={2696}, doi={10.3390/nu14132696}}
@article{kowalkowska2018reproducibility, author={Kowalkowska, Joanna and Wadolowska, Lidia and Czarnocinska, Jolanta and Czlapka-Matyasik, Magdalena and Galinski, Grzegorz and Jezewska-Zychowicz, Marzena and Bronkowska, Monika and Dlugosz, Anna and Loboda, Dorota and Wyka, Joanna}, title={{Reproducibility of a questionnaire for dietary habits, lifestyle and nutrition knowledge assessment (KomPAN) in Polish adolescents and adults}}, journal={Nutrients}, year={2018}, volume={10}, number={12}, eid={1845}, doi={10.3390/nu10121845}}
@article{lachat2016strengthening, author={Lachat, Carl and Hawwash, Dana and Ocké, Marga C. and Berg, Christina and Forsum, Elisabet and Hörnell, Agneta and Larsson, Christel and Sonestedt, Emily and Wirfält, Elisabet and Åkesson, Agneta and Kolsteren, Patrick and Byrnes, Graham and De Keyzer, Willem and Van Camp, John and Cade, Janet E. and Slimani, Nadia and Cevallos, Myriam and Egger, Matthias and Huybrechts, Inge}, title={{Strengthening the Reporting of Observational Studies in Epidemiology—Nutritional Epidemiology (STROBE-nut): An extension of the STROBE statement}}, journal={PLOS Medicine}, year={2016}, volume={13}, number={6}, eid={e1002036}, doi={10.1371/journal.pmed.1002036}}
@article{macdiarmid1998assessing, author={Macdiarmid, Jennie and Blundell, John}, title={{Assessing dietary intake: Who, what and why of under-reporting}}, journal={Nutrition Research Reviews}, year={1998}, volume={11}, number={2}, pages={231--253}, doi={10.1079/nrr19980017}}
@article{rose1985sick, author={Rose, Geoffrey}, title={{Sick individuals and sick populations}}, journal={International Journal of Epidemiology}, year={1985}, volume={14}, number={1}, pages={32--38}, doi={10.1093/ije/14.1.32}}
@article{subar2003using, author={Subar, Amy F. and Kipnis, Victor and Troiano, Richard P. and Midthune, Douglas and Schoeller, Dale A. and Bingham, Sheila and Sharbaugh, Carolyn O. and Trabulsi, Jillian and Runswick, Shirley and Ballard-Barbash, Rachel and Sunshine, Jacques and Schatzkin, Arthur}, title={{Using intake biomarkers to evaluate the extent of dietary misreporting in a large sample of adults: The OPEN study}}, journal={American Journal of Epidemiology}, year={2003}, volume={158}, number={1}, pages={1--13}, doi={10.1093/aje/kwg092}}
@article{vonelm2007strengthening, author={von Elm, Erik and Altman, Douglas G. and Egger, Matthias and Pocock, Stuart J. and Gøtzsche, Peter C. and Vandenbroucke, Jan P. and {STROBE Initiative}}, title={{The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: Guidelines for reporting observational studies}}, journal={PLOS Medicine}, year={2007}, volume={4}, number={10}, eid={e296}, doi={10.1371/journal.pmed.0040296}}
R