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):
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.
| Metoda | Co daje | Główna słabość | Kiedy pasuje |
|---|---|---|---|
| Kwestionariusz częstości spożycia (FFQ) | zwyczajowe spożycie z dłuższego okresu | lista produktów ogranicza odpowiedź; porcje szacowane z pamięci | porządkowanie osób od niskiego do wysokiego spożycia |
| Dzienniczek żywieniowy (zapis bieżący) | szczegóły posiłków z kilku dni | obciąża badanych; samo prowadzenie może zmienić jedzenie | mała próba, gdy ważna jest ilość w gramach |
| Wywiad o spożyciu z ostatnich 24 godzin | spożycie z konkretnego dnia | jeden dzień słabo oddaje zwyczajowe spożycie; potrzebny przeszkolony ankieter | opis średniej w grupie, najlepiej z kilku dni |
| Kilka pytań o częstość (autorskich) | prosty wskaźnik nawyku | zwykle brak danych o trafności; ostrożniejsze wnioski | licencjat, 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.
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.
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).
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:
| Punkt | O co chodzi | W przykładzie |
|---|---|---|
| nut-1 | metoda oceny żywienia w tytule, streszczeniu lub słowach kluczowych | „na podstawie kwestionariusza częstości spożycia” w streszczeniu |
| nut-7.1 | definicja produktów i grup | czy liczysz soki, ziemniaki, strączkowe |
| nut-8.1 | metoda: porcje, liczba dni i pozycji, jak powstała i jak ją stosowano; suplementy | 3 miesiące, 2 pytania, miary domowe, brak pytań o suplementy |
| nut-8.3 | zalecenia, z którymi porównujesz spożycie | jeśli porównujesz: dokument, wydanie, sposób oceny |
| nut-8.5 | dane niedietetyczne i ich czas | masa i wzrost tego samego dnia |
| nut-8.6 | trafność metody | „nie oceniono trafności” – też jest informacją |
| nut-9 | jak podchodzono do błędu: zniekształcona deklaracja, zmiana nawyków w trakcie pomiaru | anonimowość pytań; opis w ograniczeniach |
| nut-11 | podział danych na kategorie | granice tercyli i powód ich użycia |
| nut-13 | ile osób wyłączono z powodu braków lub wartości niewiarygodnych | 16 i 2 osoby |
| nut-17 | analizy wrażliwości | wynik bez wyłączania wartości skrajnych |
| nut-19, nut-20 | ograniczenia metody i znaczenie żywieniowe wyniku | sekcja 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.
| Tercyl FV (porcje dziennie) | n | BMI, M (SD) | Aktywność, godz./tydz., M (SD) |
|---|---|---|---|
| T1 (do 2.2) | 88 | 21.57 (3.35) | 3.25 (2.21) |
| T2 (2.3–3.4) | 79 | 20.81 (3.31) | 3.59 (2.87) |
| T3 (powyżej 3.4) | 83 | 20.89 (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.
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:
- Kolejność zdarzeń. Spożycie i BMI zmierzono równocześnie. Osoba z wyższym BMI mogła zmienić dietę, zanim wypełniła ankietę (czwarty świat z Rysunku 2).
- Co jeszcze różni osoby. Zmienne zakłócające: dochód, mieszkanie z rodziną, palenie, inne elementy diety. Wymień te, których nie zmierzono.
- 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.
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.
| Pokusa | Dlaczego nie | Co 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.
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
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
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 3.10Bibliografia 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()).
- 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/
- ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
- 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
Jak wyprowadzić hipotezę z teorii
Część teoretyczna jako łańcuch argumentu: wybór teorii, mechanizm, akapit uzasadniający kierunek, sprzeczne teorie i tabela „teza – źródło – hipoteza” – z przykładami z psychologii, zdrowia i zarządzania.
Czytaj →PoradnikJak napisać pracę z psychologii
Od teorii i konstruktu przez hipotezy kierunkowe, narzędzia i mediację po wkład teoretyczny w dyskusji – na fikcyjnym przykładzie o wypaleniu.
Czytaj →PoradnikJak napisać pracę z fizjoterapii
Opis interwencji według TIDieR, mapa ICF, rzetelność pomiaru, MDC i MCID, brak grupy kontrolnej i dyskusja – na fikcyjnym programie ćwiczeń w bólu lędźwiowym, z gotowymi akapitami.
Czytaj →PoradnikJak napisać pracę z pedagogiki
Przedmiot, problemy, hipotezy, zmienne i wskaźniki, metoda–technika–narzędzie, klasy i zgody na przykładzie motywacji do czytania, z wersjami źle i dobrze.
Czytaj →PoradnikJak napisać pracę z socjologii
Pytanie o zjawisko, koncept–wymiar–wskaźnik, populacja i operat, próba z internetu, wagi, dane wtórne i gotowe fragmenty pracy – na przykładzie zaufania i aktywności sąsiedzkiej.
Czytaj →PoradnikJak napisać pracę z zarządzania i ekonomii
Luka, jedna rama teoretyczna, model z hipotezami H1a/H1b, skale anglojęzyczne, wspólna metoda, panel firm i implikacje menedżerskie – z przykładami do poprawienia.
Czytaj →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 analizęBibliografia i dalsza literatura naukowa (APA 7)
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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}}