Sense of Mastery and Metabolic Risk: Moderating Role of the Local Fast-Food Environment
Notice bibliographique
Résumé
OBJECTIVE: To test the moderating role of the extent of fast-food restaurants in one's immediate environment in the association between mastery and metabolic risk. Higher sense of mastery (perceived control over one's circumstances) has been associated with better metabolic outcomes. Mastery may be instrumental in resisting unhealthful environmental food cues when these become ubiquitous, resulting in a greater health impact of mastery. METHODS: Blood samples were obtained from 344 individuals (50% men), aged 18 to 57 years (mean, 34.9 years), sampled from seven census tracts representing the spectrum of census tract-level socioeconomic status and language (French/English) in Montreal. Risk factors based on standards for high-density lipoprotein and total cholesterol, waist circumference, body mass index, triglycerides, and glycated hemoglobin were summed to obtain a cumulative metabolic risk score. Mastery was self-reported, using a validated scale. The proportion of restaurants classified as fast-food within 500 m of participants' residences was determined, using a geographic information system. Main and interactive effects were tested with Poisson regression, accounting for clustering of observations and participants' age, gender, education, and income. RESULTS: Mastery interacted with fast-food exposure in relation to metabolic risk (p = .03). Higher mastery was significantly associated with lower metabolic risk for participants surrounded by a high proportion of fast food (relative risk, 0.80; 95% confidence interval, 0.76-0.84; p < .0001), but not for those living in areas with low proportion of fast-food restaurants (relative risk, 0.94; 95% confidence interval, 0.82-1.08; p = .37). CONCLUSIONS: A positive relationship between mastery and lower metabolic risk was most apparent in environments with higher fast-food exposure.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».