Improving Fruit and Vegetable Consumption in Elementary School Students: A Systematic Review of Interventions
Notice bibliographique
Résumé
Introduction: Less than 15% of the 4 to 8-year old children consume the recommended servings of fruit and vegetables (FV). Early years of life play an important role in establishing healthy eating habits. School is an appropriate setting for healthy eating habits interventions. The purpose of this systematic review is evaluation of school-based interventions to improve FV consumption in elementary school students. Methods: In this systematic review, we performed a search in several databases such as PubMed, Web of Science, Education Resources Information Center (ERIC), Science Direct and Google Scholar. Studies published between January 2005 and December 2012 were included. In examining the studies, we focused on design, strategies and outcomes of the interventions. Results: Eleven studies met the inclusion criteria. Interventions in these three classifications (gardening and education, educational programs and providing FV) have positive effects on children’s FV intake. Multi-component education is more effective than other cases in children willingness for FV consumption. Gardening strategies: participating in hands-on gardening experiences, engaging in gardening challenges and preparing a party by student’s garden products. Educational strategies: nutrition education classes, electronic learning by using the popular cartoon characters and child actors as symbolic role models and strategies to improve family awareness like series of newsletters for parents and homework tasks for parents and children. Providing strategies: providing fee-based or free FV at school. Conclusion: Long-term multi-component (gardening, education and providing FV) interventions with the application of behavioral change theories and models are effective to reach the expected results.
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 | 0,008 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,008 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».