Relationship between Snacking Patterns, Diet Quality and Risk of Overweight and Abdominal Obesity in Children
Notice bibliographique
Résumé
Snacking is very common among Americans; the impact of variety of snacking patterns on nutrient intake and weight status is unclear. This study examined the associations of snacking patterns on nutrient intake and weight in U.S. children 2-18 years (n=14,220) participating in the 2001-2008 National Health and Nutrition Examination Survey. Cluster analysis generated 12 distinct snacking patterns, explaining 57% of variance in total calories consumed. Only 8% of the children did not consume snacks on the day of the 24-hour recall. Cakes, cookies and pastries was the most common snacking pattern (16%) followed by miscellaneous snacks (e.g. whole milk, orange juice and meat/fish/poultry; 13%), and crackers and salty snacks (10%). Most snacking patterns resulted in higher total energy intake than the no snack pattern. After controlling for energy intake, most snacking patterns resulted in higher intakes of fiber; vitamins A, C, B12, and K; riboflavin; folate; potassium; calcium; zinc; and magnesium than the no snack pattern. However, most of the snacking patterns resulted in higher total intake of saturated fatty acids, solid fats, added sugars, and sodium (nutrients to limit). Several of the snacking patterns (i.e. cakes/cookies/pastries, crackers/salty snacks, sweets, and other grains) were associated with a reduced risk of overweight and abdominal obesity. Overall, several snacking patterns compared with non-snackers had better diet quality and were less likely to be overweight or obese and less likely to have abdominal obesity. Education is needed to improve snacking patterns in terms of nutrients to limit in the diet.
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) | 0,000 | 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 | 0,000 |
| 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 ».