THE RELATIONSHIP BETWEEN PHYSICAL ACTIVITY AND SUGAR-SWEETENED DRINK INTAKE ON YOUTHS?? FAT MASS DEVELOPMENT
Notice bibliographique
Résumé
Various factors, including low levels of physical activity (PA), and high consumption levels of sugar-sweetened drinks (SD), have been implicated in the general increase of fat mass (FM) levels seen in today's youth. PURPOSE To determine if a significant relationship exists between FM and PA or SD, in boys and girls, using longitudinal analysis. METHODS 105 boys and 103 girls were assessed repeatedly during childhood and adolescence, for a maximum of 7 years. Height and weight were measured annually, as was FM estimated by dual X-ray absorptiometry (DXA). PA was evaluated bi-annually using a physical activity questionnaire for children (PAQ-C - 1 low, 5 high), and SD was assessed using a 24-hour dietary intake questionnaire completed 1–4 times/year. Years from peak height velocity were used as a biological age indicator. Random effects models were used to analyze the data, subsequent to log linearization of the FM variable since it did not initially meet the assumption of normal distribution. RESULTS In the constructed model, controlling for height, weight and maturation, at an α-level of 0.05 an interaction effect between SD and PA was tested for but not found to be significant (p > 0.05). After removal of the interaction term from the model, SD was found to have no significant relationship (p > 0.05) with FM of boys or girls. In contrast, PA level was found to have a significant relationship with FM (p < 0.05); in both boys and girls as PA level increased the FM decreased (Boys: −0.049 SEE 0.015 PAQ-C score, Girls: −0.022 SEE 0.09 PAQ-C score). CONCLUSION The longitudinal models employed revealed a significant negative relationship between level of PA and FM in youth, after controlling for maturational status, height, and weight. This finding lends support, and possible confirmation, to proponents of increasing PA in youth to control FM. Regarding SD and FM, the models employed showed no relationship. Future investigation with more complex models, accounting for more covariates, may be warranted in this area.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».