Fruit and vegetable consumption in adolescence and health in early adulthood: a longitudinal analysis of the Statistics Canada’s National Population Health Survey
Notice bibliographique
Résumé
BACKGROUND: The present study aimed to explore a longitudinal relationship between fruit and vegetable consumption in adolescence and two health-related outcomes (i.e., self-rated health and mental health) in early adulthood in the community. METHODS: Data from a longitudinal cohort of the Canadian National Population Health Survey (NPHS) were used. Participants of the 2002/03 survey aged 15-17 years old were followed and surveyed in 2008/09. The number of the sample used in the statistical analyses was 250 (n=250). Multiple logistic regression analyses were used to assess the associations of fruit and vegetable consumption in the adolescence (classified into tertiles) with non-excellent (or poor) self-rated health and poor mental health (defined as having a K6 score of 5+) at follow-up. RESULTS: After adjusting for sex, age, the highest level of education in household, and the other covariates, participants who consumed fruits and vegetables most frequently at baseline had a significantly smaller odds ratio for being non-excellent self-rated health (OR 0.30, 95% CI 0.11, 0.83). No significant associations were found between fruit and vegetable consumption at baseline and poor mental health at follow-up in any model (p>0.05). CONCLUSIONS: The results of this longitudinal study suggest that high fruit and vegetable consumption in adolescence has a beneficial influence on self-rated health in the early adulthood.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».