One- and Two-Year Predictors of Excess Weight Gain among Elementary Schoolchildren in Multiethnic, Low-Income, Inner-City Neighborhoods
Notice bibliographique
Résumé
Longitudinal studies are needed to increase understanding of the causes of childhood obesity. To identify 1- and 2-year predictors of excess weight gain among preadolescents, the authors conducted a prospective cohort study of fourth- and fifth-grade students in 16 elementary schools located in multiethnic, low-income neighborhoods in Montreal, Quebec, Canada, that were participating in the evaluation of a school-based heart health promotion program. Subjects included 2,318 children aged 9-12 years with baseline and 1-year follow-up data and 633 children aged 9-11 years with baseline and 2-year follow-up data. One-year predictors of highest decile of change in body mass index (BMI) identified in logistic regression analyses included baseline BMI of 90th percentile or more (odds ratio (OR) = 2.66, 95% confidence interval: 1.80, 3.94) in boys and baseline BMI of 90th percentile or more (OR = 2.34, 95% confidence interval: 1.46, 3.76), no sports outside school (OR = 1.90, 95% confidence interval: 1.18, 3.06), and playing video games everyday (OR = 2.48, 95% confidence interval: 1.04, 5.92) in girls. Two-year predictors included baseline BMI of 90th percentile or more (OR = 3.26, 95% confidence interval: 1.52, 7.01), no sports outside school (OR = 2.14, 95% confidence interval: 0.96, 4.77), and least active (OR = 2.18, 95% confidence interval: 1.01, 4.71) in boys; only baseline BMI of 90th percentile or more (OR = 2.22, 95% confidence interval: 1.02, 4.81) was significant in girls. Results suggest the need for interventions to promote increased physical activity in children.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».