Physical activity, eating traits and weight in young adulthood: a cross‐sectional and longitudinal study
Notice bibliographique
Résumé
Summary Objective To investigate the association between eating traits (e.g. dietary restraint or opportunistic eating) and weight – both cross‐sectionally and longitudinally – and whether physical activity (PA) moderates these associations. Methods Two‐hundred seventy young adults (21–35 years; BMI: 25.40 kg/m2 [SD = 3.90 kg/m2]; 48.90% female) participated in this 12‐month observational cohort study. Cognitive Restraint (CR), Disinhibition (DI) and Hunger (HU) were measured using the Three‐Factor Eating Questionnaire at baseline and 12 months. Participants were measured at quarterly intervals for objectively measured PA and anthropometrics. Cross‐sectional and longitudinal models determined if eating traits were associated with weight or weight change, and whether these associations were moderated by PA. Results At baseline, higher CR (B = 0.429, p < 0.01) and DI (B = 0.942, p < 0.01) were associated with higher weight. The associations of DI (B = −0.008 p = 0.02) and HU (B = −0.006, p = 0.04) with weight were moderated by PA at baseline. The longitudinal model for CR determined PA altered the relationship between change in CR and weight change (B = 0.004, p < 0.01). Conclusions Eating traits and PA are associated with weight and weight change. However, to elucidate how PA and eating traits directly affect weight changes, future weight loss interventions should investigate whether improving eating traits and concomitantly increasing PA amplify weight 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 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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».