MétaCan
Menu
Retour à la cohorte
Enregistrement W2153695420 · doi:10.1079/bjn20051513

Adolescents' food habits: results of the Health Behaviour in School-aged Children survey

2005· article· en· W2153695420 sur OpenAlexaboutno aff
Carine Vereecken, Stefaan De Henauw, Lea Maes

Notice bibliographique

RevueBritish Journal Of Nutrition · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensnon disponible
Organismes subventionnairesUniversitetet i Bergen
Mots-clésEnvironmental healthConsumption (sociology)Food habitsFood frequency questionnaireFood consumptionMedicineCross-sectional studyHealth promotionPublic healthDemographyAgricultural economics

Résumé

récupéré en direct d'OpenAlex

The present study describes food habits in adolescents in thirty-five countries and regions (European countries/regions, Israel, Canada and the USA), based on the food-frequency questions from the cross-sectional Health Behaviour in School-aged Children survey of the year 2001-2. A total of 162,305 pupils of 11, 13 or 15 years of age completed an anonymous standardised questionnaire on health and lifestyle factors during one school hour. Large differences in food habits between countries were found: the consumption frequency of fruit varied from on average 2.8 to 5 d/week, the consumption of vegetables varied from on average 2.4 to 5.5 d/week, the consumption of soft drinks varied from 2.1 to 5 d/week and sweet consumption from 2.6 to 5 d/week. Methodological problems in comparing between countries are discussed. Nonetheless, the results indicate a need for national and international health promotion programmes to improve adolescents' food habits.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,019
Score d'incertitude au seuil0,431

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,016
Tête enseignante GPT0,270
Écart entre enseignants0,254 · 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 tête enseignante, 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

Citations115
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal Of NutritionMême sujetObesity, Physical Activity, DietTravaux en français237 207