Family meals can help children reach their 5 A Day: a cross-sectional survey of children's dietary intake from London primary schools
Notice bibliographique
Résumé
BACKGROUND: This study aims to explore how the home food environment and parental attitudes and values affect children's fruit and vegetable (F&V) intake. METHODS: The sample consists of 2383 children with a mean age of 8.3 years (95% CI 8.2 to 8.3) attending 52 primary schools in London. These children are taking part in two randomised controlled trials to evaluate a school gardening programme. Diet was assessed using a validated 24-h food tick list, the Child And Diet Evaluation Tool (CADET). RESULTS: The CADET tool found that children consumed on average 293 g F&V (95% CI 287 to 303) per day. Clustered (by school) multilevel regression models with total F&V as the primary outcome were conducted to explore how the home environment affects children's F&V intake. Children of families who reported 'always' eating a family meal together at a table had 125 g (95% CI 92 to 157; p=<0.001) more F&V than families who never ate a meal together. Daily consumption of F&V by parents was associated with higher F&V (88 g, 95% CI 37 to 138) intake in children compared with rarely/never consumption of F&V by parents. Cutting up fruit and vegetables for children was associated with higher consumption. Families who reported always cutting up F&V for their children had 44 g (95% CI 18 to 71) more F&V than families who never cut up F&V. CONCLUSIONS: This study identified that cutting up F&V and family consumption of F&V facilitates children's intake. Eating a family meal together regularly could increase children's F&V intake and help them achieve the recommended intake. TRIAL REGISTRATION: ISRCTN11396528.
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 | 0,026 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,006 |
| 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 ».