Fruit and Vegetable Consumption and Body Mass Index
Notice bibliographique
Résumé
BACKGROUND: Empirical evidence on the relationship between consumption of fruits and vegetables and body weight is inconclusive. Previous studies mostly use linear regression methods to study the correlates of the conditional mean of body mass index (BMI). This approach may be less informative if the association between fruit and vegetable consumption and BMI significantly varies across the BMI distribution. OBJECTIVE: The association between fruit and vegetable consumption and the BMI is examined using quantile regression. METHODS: A nationally representative sample of 11,818 individuals from the Canadian Community Health Survey (2004) is used. A quantile regression model is estimated to account for the potential heterogeneous association between fruit and vegetable intake and BMI at different points of the conditional BMI distribution. The analyses are stratified by gender. RESULTS: The multivariate analyses reveal that the association between fruit and vegetable intake and BMI is negative and statistically significant for both males and females; however, this association varies across the conditional quantiles of the BMI distribution. In particular, the estimates are larger for individuals at the higher quantiles of the distribution. The ordinary least squares (OLS) model overstates (understates) the association between FV intake and BMI at the lower (higher) half of the conditional BMI distribution. CONCLUSION: Findings of the standard models that assume uniform response across different quantiles of BMI distribution may be misleading. The findings of this paper suggest that increasing the intake of fruits and vegetables may be an effective dietary strategy to control weight and mitigate the risk of obesity.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».