MétaCan
Menu
Retour à la cohorte
Enregistrement W2101897939 · doi:10.6000/1929-4247.2014.03.03.2

Adolescents who Perceive their Diet as Healthy Consume More Fruits, Vegetables and Milk and Fewer Sweet Drinks

2014· article· en· W2101897939 sur OpenAlexvenueno aff
Leigh Anna Davenport, John D. Radcliffe, Tzu-An Chen, Karen Cullen

Notice bibliographique

RevueInternational Journal of Child Health and Nutrition · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensnon disponible
Organismes subventionnairesAgricultural Research ServiceU.S. Department of Agriculture
Mots-clésMedicineFood scienceEnvironmental healthTraditional medicineBiology

Résumé

récupéré en direct d'OpenAlex

This study assessed whether adolescents’ perception of the healthfulness of their diet was related to dietary behaviors over the past week, controlling for demographic characteristics. Participants (n=391) completed an online survey on the frequency of specific dietary behaviors over the past week and the perceived healthfulness of their own diet compared to their peers’ diets. Mean intakes of juice, fruit, vegetables, milk, sugar-sweetened beverages, and diet beverages, were compared by perceived healthfulness of diet categories using analysis of covariance. Participants with higher perceived healthfulness of diet reported significantly higher mean fruit and vegetable intakes and a lower mean intake of sugar sweetened beverages over the past week than participants with the same or lower perceived healthfulness of diet (all p< 0.001). Participants who reported a higher perceived healthfulness of diet reported a significantly higher frequency of milk intake (p< 0.05) than those who reported the same perceived healthfulness of diet. Those with lower perceived healthfulness of diet reported higher mean frequencies of diet beverage intakes than those with higher perceived healthfulness (p<0.05). Further research should include qualitative studies with adolescents to explore how individuals rate their diets and how these perceptions influence dietary choices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,294
Écart entre enseignants0,284 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Child Health and NutritionMême sujetObesity, Physical Activity, DietTravaux en français237 207