Personal, behavioral and socio-environmental predictors of overweight incidence in young adults: 10-yr longitudinal findings
Notice bibliographique
Résumé
BACKGROUND: The objective of this study was to identify 10-year longitudinal predictors of overweight incidence during the transition from adolescence to young adulthood. METHODS: Data were from Project EAT (Eating and Activity in Teens and Young Adults). A diverse, population-based cohort (N = 2,134) completed baseline surveys in 1998-1999 (mean age = 15.0±1.6, 'adolescence') and follow-up surveys in 2008-2009 (mean age = 25.4±1.7, 'young adulthood'). Surveys assessed personal, behavioral and socio-environmental factors hypothesized to be of relevance to obesity, in addition to height and weight. Multivariable logistic regression was used to estimate the adjusted odds for each personal, behavioral and socio-environmental factor at baseline, and 10-year changes for these factors, among non-overweight adolescents (n = 1,643) being predictive of the incidence of overweight (BMI ≥ 25) at 10-year follow-up. RESULTS: At 10-year follow-up, 51% of young adults were overweight (26% increase from baseline). Among females and males, higher levels of body dissatisfaction, weight concerns, unhealthy weight control behaviors (e.g., fasting, purging), dieting, binge eating, weight-related teasing, and parental weight-related concerns and behaviors during adolescence and/or increases in these factors over the study period predicted the incidence of overweight at 10-year follow-up. Females with higher levels of whole grain intake and breakfast and dinner consumption frequency during adolescence were protected against becoming overweight. Among males, increases in vegetable intake protected against the incidence of overweight 10 years later. CONCLUSIONS: Findings suggest that obesity prevention interventions for adolescents should address weight-specific factors from within the domains of personal, behavioral, and socio-environmental factors such as promoting positive body image, decreasing unhealthy weight control behaviors, and limiting negative weight talk.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».