MEDAS – przestrzeganie diety śródziemnomorskiej: jak policzyć wynik

Autor: Konrad Hryniewicz · Opublikowano: 1 listopada 2026

Czym jest MEDAS

MEDAS (Mediterranean Diet Adherence Screener) to krótki, 14-punktowy kwestionariusz przesiewowy, który ocenia, na ile sposób żywienia przypomina tradycyjną dietę śródziemnomorską. Powstał na potrzeby badania PREDIMED – hiszpańskiego badania z randomizacją, prowadzonego u osób z wysokim ryzykiem sercowo-naczyniowym. Dziewięć pozycji wyprowadzono z punktów odcięcia wybranych w hiszpańskim badaniu kliniczno-kontrolnym zawału serca. Pięć kolejnych dodano jako szczególnie ważne dla tradycyjnej diety śródziemnomorskiej (Martínez-González i in., 2012). W PREDIMED kwestionariusz wypełniali przeszkoleni dietetycy podczas wywiadu, a nie sami badani.

Schröder i in. (2011) sprawdzili MEDAS u 7146 uczestników PREDIMED. Wynik korelował z wynikiem obliczonym z pełnego kwestionariusza częstości spożycia (FFQ): r = .52, ICC = .51. Wyższy wynik wiązał się z korzystniejszymi wskaźnikami metabolicznymi. W pracach dyplomowych MEDAS pojawia się najczęściej w dietetyce i zdrowiu publicznym. Typowe projekty w tych dziedzinach opisują poradniki statystyka w pracy z dietetyki i statystyka w pracy ze zdrowia publicznego.

Ważne: kryteria punktowe MEDAS to progi narzędzia badawczego z badania starszych Hiszpanów z grupy ryzyka. Nie są zaleceniami żywieniowymi i ten wpis nie zawiera porad dietetycznych.

Klucz: 14 pozycji, po 1 punkcie

Każda pozycja daje 0 albo 1 punkt, a wynik to liczba zdobytych punktów, od 0 do 14. Dwie pozycje mają odpowiedź tak/nie. Pozostałe pytają o liczbę porcji, sztuk, łyżek lub razy na dzień albo na tydzień. Tabela podaje obszar każdej pozycji i kryterium punktu według tabeli 1 w artykule Martínez-González i in. (2012). Brzmienia pytań nie przytaczamy. Formularz weź z publikacji albo z opublikowanej wersji językowej.

Pozycje 5, 6, 7 i 11 punktują niskie spożycie. Nie ma tu jednak pozycji odwróconych w zwykłym sensie, bo każde kryterium od razu przyznaje 0 albo 1. Kierunek jest wbudowany w próg.

Jak policzyć wynik MEDAS krok po kroku

Krok 1. Zbierz liczby, nie punkty

Najlepiej zapisz w bazie odpowiedzi surowe: liczbę porcji, łyżek czy razy. Punkty policzysz z nich formułą. Gdy ankieta online od razu zapisuje „tak/nie spełnia”, tracisz informację i nie sprawdzisz błędów. Liczby pozwalają też pokazać rozkład spożycia w każdej pozycji.

Krok 2. Zamień każdą odpowiedź na 0 albo 1

Zastosuj kryteria z tabeli. Uważaj na znaki: „≥ 3” to co najmniej 3, a „< 1” to mniej niż 1 porcja. W pozycji 3 źródło podaje próg „≥ 2” z dopiskiem o co najmniej jednej porcji surowej. W przykładzie przyjęliśmy, że punkt wymaga obu warunków. Ta decyzja zmieniła punkt w pozycji 3 u 42 z 240 osób. Dlatego opisz swoją interpretację w pracy.

Krok 3. Zsumuj punkty

Pojedyncze wyniki możesz sprawdzić w kalkulatorze wyniku skali. Ogólne zasady łączenia odpowiedzi w wynik opisuje poradnik jak policzyć wynik kwestionariusza.

Krok 4. Nie uśredniaj przy brakach

Źródła nie podają reguły dla braków. MEDAS to suma różnych zachowań, więc brakującej pozycji nie można sensownie zastąpić średnią z pozostałych. Ryby nic nie mówią o oliwie. W przykładzie osoba z brakiem w którejkolwiek pozycji nie dostaje wyniku. Takie osoby były dwie. Inne rozwiązania opisuje wpis braki danych w ankiecie.

Interpretacja: wynik ciągły, kategorie tylko z cytowaniem

Wyższy wynik oznacza, że sposób żywienia spełnia więcej kryteriów diety śródziemnomorskiej. Źródła nie podają zwalidowanego punktu odcięcia. Martínez-González i in. (2012) używali w różnych analizach różnych podziałów. W opisie próby był to podział ≤ 5, 6–9 i ≥ 10 punktów, w średnich ≤ 5, 6–7, 8, 9 i ≥ 10, a w regresji ≤ 7, 8–9 i ≥ 10. García-Conesa i in. (2020) nazwali przedziały ≤ 5, 6–9 i ≥ 10 przestrzeganiem słabym, umiarkowanym i dobrym, powołując się na tamten artykuł. To umowne przedziały analityczne, a nie kategorie diagnostyczne. Jeśli ich używasz, zacytuj źródło. Główną analizę zrób jednak na wyniku 0–14.

Średnie z literatury nie są normami. W PREDIMED średni wynik wyniósł 8.6 (SD = 2.0) u starszych Hiszpanów (Martínez-González i in., 2012). W brytyjskiej grupie wysokiego ryzyka było to 5.47 (Papadaki i in., 2018). Różnicę tworzą kultura żywienia, wiek, zdrowie badanych i sposób zbierania danych. Pozycja o sofrito i pozycja o winie odwołują się wprost do hiszpańskich zwyczajów. W innej populacji mogą prawie nie różnicować badanych.

Przykład: MEDAS u 240 osób studiujących

Dane są symulowane i możesz je pobrać jako plik CSV. Zawierają odpowiedzi surowe 120 osób studiujących dietetykę i 120 osób z innych kierunków. Wynik ma 238 osób. Średnia wyniosła 4.34 (SD = 2.17), mediana 4, a zakres 0–10. W przedziale ≤ 5 znalazło się 71.8% osób, w przedziale 6–9 – 26.1%, a ≥ 10 punktów miało 2.1%.

Rysunek 1 warto pokazać w pracy obok wyniku łącznego. Wynik 4 może oznaczać zupełnie różne profile żywienia. Pozycja o winie dała punkt 0.8% osób, a o strączkowych 7.1%. Takie pozycje prawie nie różnicują próby, co jest typowe, gdy narzędzie trafia do innej kultury żywienia niż ta, dla której powstało.

Spójność wewnętrzna: dlaczego niska alfa nie jest tu błędem

Dla pozycji 0/1 alfa Cronbacha jest równa KR-20 (Kuder i Richardson, 1937). W przykładzie wyniosła .52. Omega z modelu jednoczynnikowego wyniosła .51, a ładunki od .00 do .48. W skali psychologicznej byłby to zły wynik. MEDAS nie jest jednak skalą, w której pozycje odzwierciedlają jedną cechę. To indeks: suma różnych zachowań, które razem tworzą wzorzec żywienia. Osoba może jeść dużo ryb i mało orzechów, i nie świadczy to o błędzie pomiaru. Budowę takich indeksów opisuje się jako alternatywę dla tworzenia skal refleksyjnych, z innymi kryteriami oceny jakości (Diamantopoulos i Winklhofer, 2001). Różnicę opisuje hasło modele refleksyjne i formatywne. W pracy podaj KR-20 tylko informacyjnie, z tym wyjaśnieniem. Nie usuwaj pozycji „poprawiających alfę”, bo zmienisz narzędzie.

Rzetelność powtórnego pomiaru

Dla indeksu lepszym dowodem rzetelności jest rzetelność test–retest. W przykładzie 80 osób wypełniło MEDAS ponownie po dwóch tygodniach. Korelacja wewnątrzklasowa w modelu zgodności bezwzględnej dla pojedynczego pomiaru wyniosła ICC = .75, 95% CI [.64, .83]. Wybór modelu ICC wyjaśniają Koo i Li (2016) oraz hasło ICC. Średnia różnica między pomiarami wyniosła 0.16 punktu, a 95% granice zgodności od −2.87 do 3.19 (Bland i Altman, 1986). W przykładzie wynik jednej osoby mógł się więc zmienić o mniej więcej 3 punkty bez zmiany w żywieniu. Dla porównania Papadaki i in. (2018) podali dla dwóch wypełnień w odstępie miesiąca r = ICC = .69 i granice zgodności od −3.1 do 3.2. García-Conesa i in. (2020) w większości krajów uzyskali korelacje powyżej .8. Jak zbadać zgodność kwestionariusza z zapisem spożycia, pokazuje projekt FFQ we wpisie o statystyce w pracy z dietetyki, a samą metodę – hasło metoda Blanda–Altmana.

Porównanie grup

Osoby studiujące dietetykę miały wyższy wynik (n = 119, M = 4.71, SD = 2.28) niż osoby z innych kierunków (n = 119, M = 3.97, SD = 1.99), t(231.83) = 2.66, p = .008, g = 0.34, 95% CI [0.09, 0.60]. Użyliśmy testu Welcha, bo nie zakłada on równych wariancji. Wynik 0–14 to liczba punktów, ale ma 15 możliwych wartości, a każda grupa liczy 119 osób, więc test t jest tu rozsądny (rozkłady pokazuje rysunek 2). Przy silnie skośnym rozkładzie rozważ test Manna–Whitneya.

Jak opisać MEDAS w pracy

Wzór zawiera liczby z przykładu. W nawiasach kwadratowych uzupełnij dane swojej wersji.

Ogólny schemat opisu narzędzia pokazuje poradnik opis narzędzia badawczego – wzór.

Licencja, wersje językowe i polska wersja

Artykuł Martínez-González i in. (2012), który zawiera kryteria punktowe, ukazał się w otwartym dostępie na licencji Creative Commons Uznanie autorstwa (CC BY 4.0). Licencja pozwala na ponowne użycie treści pod warunkiem podania autorów i źródła. W cytowanych publikacjach nie znaleźliśmy odrębnych warunków użycia samego kwestionariusza ani informacji o wymaganej zgodzie. W pracy zacytuj Schrödera i in. (2011) oraz Martínez-González i in. (2012). Jeśli wątpisz, czy możesz użyć konkretnej wersji językowej, napisz do jej autorów.

Wersje w innych językach to osobne publikacje, np. angielska (Papadaki i in., 2018). Tłumaczenia w badaniu wielokrajowym przygotowały lokalne komisje badaczy (García-Conesa i in., 2020). Polskiej adaptacji nie opisujemy, bo nie zweryfikowaliśmy jej publikacji. Jeśli korzystasz z polskiej wersji, zacytuj artykuł, z którego ją wziąłeś (wzięłaś). Zmiana porcji, pominięcie pozycji o winie albo zastąpienie sofrito inną potrawą tworzy nową wersję narzędzia. Taką zmianę opisz i nie porównuj wtedy wyników wprost z literaturą. Procedurę adaptacji opisuje wpis adaptacja kulturowa kwestionariusza.

# B257 – MEDAS (14 pozycji): punktacja z odpowiedzi surowych, wynik 0–14, rozkład, kategorie opisowe,
# spójność wewnętrzna, powtórny pomiar i porównanie grup (dane symulowane, set.seed(25701)).
# Kryteria 1 punktu według tabeli 1 w Martínez-González i in. (2012); treści pytań nie podajemy.
# Odpowiedzi to liczby porcji, łyżek, sztuk lub razy (dziennie albo tygodniowo) i dwie odpowiedzi tak/nie.
suppressPackageStartupMessages({ library(psych); library(lavaan); library(effectsize) })
set.seed(25701)
n <- 240
grupa <- rep(c("dietetyka", "inne"), each = n / 2)
z <- rnorm(n, 0.5 * (grupa == "dietetyka"), 1)                 # ogólny „wzorzec” żywienia (symulacja)
ilosc <- function(sr, b, rozrzut = 0.6) round(pmax(0, exp(log(sr) + b * z + rnorm(n, 0, rozrzut))) * 2) / 2
generuj <- function() data.frame(
  oliwa_glowny = rbinom(n, 1, plogis(-0.6 + 0.6 * z)),       # tak = 1
  oliwa_lyzki = ilosc(1.5, 0.30),                             # łyżki dziennie
  warzywa_porcje = ilosc(1.6, 0.25), warzywa_surowe = ilosc(0.7, 0.30),
  owoce_sztuki = ilosc(1.8, 0.25),                            # dziennie
  mieso_czerwone = ilosc(0.9, -0.25), maslo = ilosc(0.8, -0.20), napoje_slodzone = ilosc(0.5, -0.35),
  wino_kieliszki = ilosc(0.8, 0.05, 1.0),                     # tygodniowo
  straczkowe = ilosc(1.0, 0.30), ryby = ilosc(1.5, 0.25), slodycze = ilosc(3.0, -0.30),
  orzechy = ilosc(1.2, 0.40), sos_warzywny = ilosc(1.0, 0.20),   # tygodniowo
  drob_zamiast = rbinom(n, 1, plogis(0.2 + 0.5 * z)))
surowe <- generuj()
surowe$warzywa_surowe <- pmin(surowe$warzywa_surowe, surowe$warzywa_porcje)
surowe$ryby[c(31, 140)] <- NA                                  # brak odpowiedzi w jednej pozycji u 2 osób
dane <- data.frame(id = 1:n, grupa, surowe)
write.csv(dane, "../medas-dane-przyklad.csv", row.names = FALSE, na = "")   # plik do pobrania

# Krok 1. Punkty 0/1 według kryteriów z tabeli 1 (Martínez-González i in., 2012)
punkty <- function(d) data.frame(
  p1 = d$oliwa_glowny == 1, p2 = d$oliwa_lyzki >= 4,
  p3 = d$warzywa_porcje >= 2 & d$warzywa_surowe >= 1,         # przyjęta interpretacja: ≥2 porcje, w tym ≥1 surowa
  p4 = d$owoce_sztuki >= 3, p5 = d$mieso_czerwone < 1, p6 = d$maslo < 1, p7 = d$napoje_slodzone < 1,
  p8 = d$wino_kieliszki >= 7, p9 = d$straczkowe >= 3, p10 = d$ryby >= 3, p11 = d$slodycze < 3,
  p12 = d$orzechy >= 3, p13 = d$drob_zamiast == 1, p14 = d$sos_warzywny >= 2) * 1
P <- punkty(dane)
dane$MEDAS <- rowSums(P)                                       # brak w którejkolwiek pozycji = brak wyniku
sum(is.na(dane$MEDAS))
# Ile osób zmieni wynik, jeśli w pozycji 3 liczyć tylko ≥2 porcje (bez warunku porcji surowej)?
sum(P$p3 != (dane$warzywa_porcje >= 2) * 1)

# Krok 2. Rozkład wyniku i odsetek osób spełniających każde kryterium
x <- na.omit(dane$MEDAS)
round(c(n = length(x), M = mean(x), SD = sd(x), Me = median(x), min = min(x), max = max(x)), 2)
round(100 * colMeans(P, na.rm = TRUE), 1)
# Kategorie opisowe użyte przez Martínez-González i in. (2012): ≤5, 6–9, ≥10 punktów
kat <- table(cut(x, c(-Inf, 5, 9, Inf), labels = c("<=5", "6-9", ">=10")))
rbind(n = kat, proc = round(100 * prop.table(kat), 1))

# Krok 3. Spójność wewnętrzna: KR-20 (alfa dla pozycji 0/1) i omega z modelu jednoczynnikowego
Pc <- na.omit(P)
round(alpha(Pc, warnings = FALSE, check.keys = FALSE)$total$raw_alpha, 3)
f1 <- cfa(paste("M =~", paste(names(Pc), collapse = " + ")), data = Pc, std.lv = TRUE)
L <- standardizedSolution(f1); L <- L$est.std[L$op == "=~"]
round(c(omega = sum(L)^2 / (sum(L)^2 + sum(1 - L^2)), min_lad = min(L), max_lad = max(L)), 3)

# Krok 4. Powtórny pomiar po 2 tygodniach u 80 osób: ICC (zgodność bezwzględna) i granice zgodności
ret <- sample(which(!is.na(dane$MEDAS)), 80)
d2 <- surowe[ret, ]
num <- setdiff(names(d2), c("oliwa_glowny", "drob_zamiast"))
d2[num] <- lapply(d2[num], function(v) round(pmax(0, v * exp(rnorm(length(v), 0, 0.5))) * 2) / 2)
zmien <- function(v) ifelse(runif(length(v)) < .15, 1 - v, v)
d2$oliwa_glowny <- zmien(d2$oliwa_glowny); d2$drob_zamiast <- zmien(d2$drob_zamiast)
d2$warzywa_surowe <- pmin(d2$warzywa_surowe, d2$warzywa_porcje)
t1 <- dane$MEDAS[ret]; t2 <- rowSums(punkty(d2))
icc <- suppressMessages(ICC(cbind(t1, t2)))$results["Single_random_raters", c("ICC", "lower bound", "upper bound")]
round(unlist(icc), 2)
roz <- t2 - t1
round(c(srednia_roznica = mean(roz), SD = sd(roz), dolna = mean(roz) - 1.96 * sd(roz), gorna = mean(roz) + 1.96 * sd(roz)), 2)

# Krok 5. Studenci dietetyki a inni: test Welcha i g Hedgesa z 95% CI
d5 <- dane[!is.na(dane$MEDAS), ]
sapply(split(d5$MEDAS, d5$grupa), function(v) sprintf("n = %d, M = %.2f, SD = %.2f", length(v), mean(v), sd(v)))
tw <- t.test(MEDAS ~ grupa, data = d5)
c(t = round(unname(tw$statistic), 2), df = round(unname(tw$parameter), 2), p = signif(tw$p.value, 2))
print(hedges_g(MEDAS ~ grupa, data = d5, pooled_sd = FALSE)); cat("\n")

[1] 2
[1] 42
     n      M     SD     Me    min    max 
238.00   4.34   2.17   4.00   0.00  10.00 
  p1   p2   p3   p4   p5   p6   p7   p8   p9  p10  p11  p12  p13  p14 
34.6 10.8 31.2 27.5 38.8 48.8 73.3  0.8  7.1 17.2 44.2 17.9 61.7 20.0 
       <=5  6-9 >=10
n    171.0 62.0  5.0
proc  71.8 26.1  2.1
[1] 0.519
  omega min_lad max_lad 
  0.510   0.004   0.483 
        ICC lower bound upper bound 
       0.75        0.64        0.83 
srednia_roznica              SD           dolna           gorna 
           0.16            1.55           -2.87            3.19 
                     dietetyka                           inne 
"n = 119, M = 4.71, SD = 2.28" "n = 119, M = 3.97, SD = 1.99" 
       t       df        p 
  2.6600 231.8300   0.0083 
Hedges' g |       95% CI
------------------------
0.34      | [0.09, 0.60]

- Estimated using un-pooled SD.

Najczęstsze błędy przy MEDAS

• Zapisywanie od razu punktów zamiast liczb. Tracisz możliwość kontroli i opisu spożycia w pozycjach.
• Odwrócone znaki w progach. W pozycjach 5, 6, 7 i 11 punkt daje niskie spożycie. Pomyłka znaku zaniża albo zawyża wynik o kilka punktów.
• Niejasna interpretacja pozycji o warzywach. Opisz, czy wymagasz porcji surowej. W przykładzie zmieniało to punkt u 42 z 240 osób.
• Kategorie bez źródła. Przedziały ≤ 5, 6–9, ≥ 10 to umowne kategorie analityczne. Podawaj je z cytowaniem, a analizuj wynik 0–14.
• Usuwanie pozycji z powodu niskiej alfy. MEDAS to indeks, a nie skala refleksyjna. Niska spójność nie jest tu wadą.
• Traktowanie kryteriów jak zaleceń. Progi pochodzą z badania naukowego i służą do liczenia wyniku. Nie są zaleceniami żywieniowymi.

Pełną ścieżkę analizy kwestionariusza porządkuje przewodnik po analizie kwestionariusza. Jeśli chcesz, żeby ktoś sprawdził punktację MEDAS w Twojej bazie, możesz skorzystać z konsultacji w ramach oferty analizy statystyczne dla studentów. Wyniki musisz jednak rozumieć i umieć obronić samodzielnie.

Najczęstsze pytania

Od ilu punktów MEDAS oznacza dobre przestrzeganie diety śródziemnomorskiej?

Źródła nie podają zwalidowanego progu. Martínez-González i in. (2012) dzielili wynik umownie, m.in. na ≤ 5, 6–9 i ≥ 10 punktów, a García-Conesa i in. (2020) nazwali te przedziały słabym, umiarkowanym i dobrym przestrzeganiem. Jeśli ich używasz, zacytuj źródło, a główną analizę zrób na wyniku 0–14.

Dlaczego alfa Cronbacha dla MEDAS jest tak niska?

MEDAS to indeks różnych zachowań żywieniowych, a nie skala, w której pozycje mierzą jedną cechę. Ktoś może jeść dużo ryb i mało orzechów, więc pozycje nie muszą ze sobą korelować. Podaj KR-20 informacyjnie z tym wyjaśnieniem, a rzetelność oceń powtórnym pomiarem (ICC).

Czy w MEDAS punkty liczy się z odpowiedzi tak/nie czy z liczby porcji?

Dwie pozycje mają odpowiedź tak/nie, a dwanaście pyta o liczbę porcji, sztuk, łyżek lub razy. Zapisz w bazie liczby i zamień je na 0/1 według kryteriów z tabeli 1 w Martínez-González i in. (2012). Wtedy sprawdzisz błędy i opiszesz spożycie w każdej pozycji.

Czy MEDAS można stosować u polskich studentów?

Narzędzie powstało dla starszych Hiszpanów z wysokim ryzykiem sercowo-naczyniowym, a pozycje o winie i sosie sofrito odwołują się do hiszpańskich zwyczajów. Można go użyć, ale zacytuj opublikowaną wersję językową, opisz każdą zmianę i nie traktuj średnich z literatury jak norm.

Czy na użycie MEDAS potrzebna jest zgoda autorów?

Artykuł z kryteriami punktowymi (Martínez-González i in., 2012) jest w otwartym dostępie na licencji CC BY 4.0, a w cytowanych publikacjach nie znaleźliśmy odrębnych warunków użycia kwestionariusza. Zacytuj oba artykuły źródłowe, a w razie wątpliwości co do konkretnej wersji językowej napisz do jej autorów.

Powiązane hasła

Przeczytaj też

@article{bland1986statistical, author={Bland, J. Martin and Altman, Douglas G.}, title={{Statistical methods for assessing agreement between two methods of clinical measurement}}, journal={The Lancet}, year={1986}, volume={327}, number={8476}, pages={307--310}, doi={10.1016/s0140-6736(86)90837-8}}

@article{diamantopoulos2001index, author={Diamantopoulos, Adamantios and Winklhofer, Heidi M.}, title={{Index construction with formative indicators: An alternative to scale development}}, journal={Journal of Marketing Research}, year={2001}, volume={38}, number={2}, pages={269--277}, doi={10.1509/jmkr.38.2.269.18845}}

@article{garciaconesa2020exploring, author={García-Conesa, María-Teresa and Philippou, Elena and Pafilas, Christos and Massaro, Marika and Quarta, Stefano and Andrade, Vanda and Jorge, Rui and Chervenkov, Mihail and Ivanova, Teodora and Dimitrova, Dessislava and Maksimova, Viktorija and Smilkov, Katarina and Ackova, Darinka Gjorgieva and Miloseva, Lence and Ruskovska, Tatjana and Deligiannidou, Georgia Eirini and Kontogiorgis, Christos A. and Pinto, Paula}, title={{Exploring the validity of the 14-item Mediterranean Diet Adherence Screener (MEDAS): A cross-national study in seven European countries around the Mediterranean region}}, journal={Nutrients}, year={2020}, volume={12}, number={10}, eid={2960}, doi={10.3390/nu12102960}}

@article{koo2016guideline, author={Koo, Terry K. and Li, Mae Y.}, title={{A guideline of selecting and reporting intraclass correlation coefficients for reliability research}}, journal={Journal of Chiropractic Medicine}, year={2016}, volume={15}, number={2}, pages={155--163}, doi={10.1016/j.jcm.2016.02.012}}

@article{kuder1937theory, author={Kuder, G. F. and Richardson, M. W.}, title={{The theory of the estimation of test reliability}}, journal={Psychometrika}, year={1937}, volume={2}, number={3}, pages={151--160}, doi={10.1007/bf02288391}}

@article{martinezgonzalez2012item, author={Martínez-González, Miguel Angel and García-Arellano, Ana and Toledo, Estefanía and Salas-Salvadó, Jordi and Buil-Cosiales, Pilar and Corella, Dolores and Covas, Maria Isabel and Schröder, Helmut and Arós, Fernando and Gómez-Gracia, Enrique and Fiol, Miquel and Ruiz-Gutiérrez, Valentina and Lapetra, José and Lamuela-Raventos, Rosa Maria and Serra-Majem, Lluís and Pintó, Xavier and Muñoz, Miguel Angel and Wärnberg, Julia and Ros, Emilio and Estruch, Ramón and {PREDIMED Study Investigators}}, title={{A 14-item Mediterranean diet assessment tool and obesity indexes among high-risk subjects: The PREDIMED trial}}, journal={PLoS ONE}, year={2012}, volume={7}, number={8}, eid={e43134}, doi={10.1371/journal.pone.0043134}}

@article{papadaki2018validation, author={Papadaki, Angeliki and Johnson, Laura and Toumpakari, Zoi and England, Clare and Rai, Manpreet and Toms, Shelly and Penfold, Chris and Zazpe, Itziar and Martínez-González, Miguel A. and Feder, Gene}, title={{Validation of the English version of the 14-item Mediterranean Diet Adherence Screener of the PREDIMED study, in people at high cardiovascular risk in the UK}}, journal={Nutrients}, year={2018}, volume={10}, number={2}, eid={138}, doi={10.3390/nu10020138}}

@article{schroder2011short, author={Schröder, Helmut and Fitó, Montserrat and Estruch, Ramón and Martínez-González, Miguel A. and Corella, Dolores and Salas-Salvadó, Jordi and Lamuela-Raventós, Rosa and Ros, Emilio and Salaverría, Itziar and Fiol, Miquel and Lapetra, José and Vinyoles, Ernest and Gómez-Gracia, Enrique and Lahoz, Carlos and Serra-Majem, Lluis and Pintó, Xavier and Ruiz-Gutierrez, Valentina and Covas, María-Isabel}, title={{A short screener is valid for assessing Mediterranean diet adherence among older Spanish men and women}}, journal={The Journal of Nutrition}, year={2011}, volume={141}, number={6}, pages={1140--1145}, doi={10.3945/jn.110.135566}}