Predictors of Weight Loss in Young Adults
Notice bibliographique
Résumé
BACKGROUND: Increased understanding of weight loss among healthy young people in naturalistic settings could inform the development of effective weight control programs. The aim of this study was to describe loss in BMI over 7 years in a population-based sample of healthy young adolescents (mean age 17 years at beginning of follow-up) and identify determinants of BMI loss. DESIGN AND METHOD: Data were available for 681 participants in the Nicotine Dependence in Teens Study (1999-2012), a longitudinal investigation of adolescents in Montreal (Canada). Loss in BMI was assessed between age 17 and 24 years. Potential predictors of BMI loss including age, sex, mother's education, worry about weight, physical activity, screen time, and cigarette smoking were studied in multivariable logistic regression. RESULTS: Males and females gained 2.0 and 1.4 BMI units, respectively, on average, between age 17 and 24 years. However, 9% of males and 14% of females experienced a loss in BMI ≥1.0 unit. Female sex and a higher BMI at age 17 were associated with a higher probability of BMI loss, but none of age, mother's education, physical activity, screen time, or cigarette smoking were associated with BMI loss between ages 17 and 24. CONCLUSIONS: Whereas BMI increased on average between age 17 and 24 years in a population-based sample of healthy young people, 12% of participants experienced a loss in BMI ≥1 unit. Weight loss was highest among the heaviest persons and did not affect the prevalence of underweight. No single behavior at age 17 stands out as associated with predicting BMI loss.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».