Physical Activity and Fruit and Vegetable Intake: Correlations between and within Adults in a Longitudinal Multiethnic Cohort
Notice bibliographique
Résumé
PURPOSE: To determine if changes in physical activity were associated with changes in fruit and vegetable intake. DESIGN: Prospective cohort. SETTING: Hawaii. SUBJECTS: Seven hundred adults (18+ years) sampled from the general population. MEASURES: Computer-assisted telephone interviews conducted at 0, 3, 6, 9, 12, 18, and 24 months; the International Physical Activity Questionnaire; the National Cancer Institute's Fruit and Vegetable Screener. ANALYSIS: Between-individual correlations of each individual's mean physical activity and mean fruit and vegetable intake were estimated with Pearson correlations. Correlations of physical activity and fruit and vegetable intake within individuals over time were calculated from analysis of covariance models to factor out the variation between individuals. RESULTS: Individuals with a higher mean physical activity duration tended to eat more fruits and vegetables (r = .30, p < .0001). Within individuals, no average correlation between physical activity and intake of fruit and vegetables was observed over time (r = .03). The variation was great in that some individuals, these behaviors changed simultaneously, but in others, they did not. CONCLUSION: Although individuals who are more physically active tend to eat more fruits and vegetables (i.e., there is a weak correlation between individuals), on average, individuals do not simultaneously change these behaviors. Implications are that health behaviors may not covary, or that intervention is necessary to bring about covariation in health behaviors. The great variation from individual to individual in the extent to which these two behaviors covaried needs to be studied to determine if the individual tendency for behaviors to covary could be measured and used to individually tailor multiple behavior interventions.
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) | 0,001 | 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 ».