Predisposing, facilitating and reinforcing factors of healthy and unhealthy food consumption in schoolchildren: a study in Ouagadougou, Burkina Faso
Notice bibliographique
Résumé
OBJECTIVE: African schoolchildren's dietary habits are likely changing in the realm of the nutrition transition, particularly in urban areas, but data on their diet and on determinants are scanty. In order to design relevant interventions for this priority target group, the study aimed to assess food habits and their determinants in schoolchildren of Ouagadougou. METHODS: In a cross-sectional survey, fifth-grade schoolchildren filled during school hours a questionnaire to assess consumption frequency of 'healthy' foods (fruits, vegetables, meat, fish, legumes) and 'unhealthy' (superfluous) items (cake, cookies, candies, ice, soda) and underlying factors, using Green's PRECEDE model. RESULTS: The study included 769 schoolchildren, mean age 11.7 ± 1.4 years, from eight public and four private schools. Consumption scores of unhealthy items were significantly higher than healthy foods (p = 0.001). During the week prior to the survey, 25% of children had eaten no fruit, 20% no meat, 20% no legumes, 17% no fish and 17% no vegetables. While less than 4% ate fruits or vegetables every day, 18.3% ate ice pop every day. Children eating cookies, cakes and candy every day were up to seven-fold those eating fruits, vegetables or legumes. Compared to public-school pupils, those from private schools consumed both healthy and unhealthy items more frequently (p = 0.002 and p = 0.007, respectively). Urban schoolchildren had significantly higher unhealthy food scores (p = 0.027) compared to peri-urban schools. Children's healthy and unhealthy food consumption was primarily explained by perceived decisional power and availability [facilitating factors] for both types of foods, and maternal reinforcement for healthy foods and peers' reinforcement for consumption of unhealthy items. Overall, facilitating factors rated higher for unhealthy than healthy foods. CONCLUSION: The study showed that city schoolchildren's eating behaviours are far from optimal. Nutrition interventions should be tailored to address the underlying factors in order to impact on behaviours, thereby preventing both dietary inadequacies and excess.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».