The Effective Factors for Fruit and Vegetable Consumption among Adults: A Need Assessment Study Based on Trans-Theoretical Model
Notice bibliographique
Résumé
INTRODUCTION: The World Health Organization recommended consuming at least 5 servings of fruits and vegetables (FV) per day in order to reduce the risk of non-communicable diseases (NCDs). The purpose of this study is to determine the influential factors related to intake of FV among adults in Kermanshah city based on Transtheoritical Model. MATERIAL & METHODS: This is a cross-sectional study which is conducted in Kermanshah city. Participants (n=1230) are selected by multi stage sampling; 30-50 year olds people covered by health centers. In order to collect data, we used a TTM-based questionnaire. The results are analyzed using SPSS-16 and Lisrel 8, with P< 0.05 as statistically significant level. RESULTS: The mean age of the participants is 37.75 and 65% of them are women .The mean score of knowledge is 2.4; that is, 80% of men and 78% of women in this study are in poor knowledge about FV consumption. In case of fruit and vegetable consumption behavior, 50% and 61% of participants are in pre-contemplation/contemplation stage, respectively. The average number of fruit servings is 1.42 and the average number of vegetable servings is 0.99 per day. Also, ANOVA test results showed a significant correlation between constructs of TTM and stages of change so that individuals' progress through stages of change from pre-contemplation to maintenance added on the scores of self-efficiency, processes of change, and decisional balance. CONCLUSION: This study indicated that, TTM constructs such as self-efficacy, processes of change, and decisional balance are good predictors for FV consumption.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».