Correlations between attendance in a youth diabetes education program and risk for type 2 diabetes
Notice bibliographique
Résumé
With Type 2 diabetes (T2DM) on the rise, expert panels have called for studies examining the effectiveness of primary prevention programs, and suggest targeting high risk populations (Alberti, 2007). Manitoban youth have incidence rates of T2DM 20 times greater than other provinces (Amed et al., 2010). Physical activity and diet are important modifiable factors to reduce T2DM risk (Huang et al., 2003). However, a review of previous community based interventions addressing modifiable risk in youth demonstrated a paucity of evidence exists (Satterfield et al., 2003). The purpose of this study was to evaluate the change in modifiable risk factors (physical activity, nutrition and health attitudes) and perceived risk among inner city youth who participate in a T2DM awareness and education program. Participants in this study were 47 inner city secondary school students (M=24, F=23). They participated in an 8 week T2DM awareness and education program focusing on physical activity and nutrition. The Risk Perception Survey for Developing Diabetes was used to assess perceived risk of developing T2DM (Walker et al., 2009). The PACE Adolescent Stages-of-Change Measures were used to measure activity perceptions and attitudes (Norman et al., 2005). Participant demographics and anthropometrics were also obtained. Pre and post data was collected. A correlation was found to exist between participant attendance in the program and both post program optimistic bias (r = 0.296) and change in optimistic bias (r = 0.515) regarding their risk to develop T2DM, however no correlation was found between attendance and perceived control of risk for T2DM. A general upward trend was also found for stages of change based on the pre and post PACE questionnaire results (e.g., pre = 40% vs. post = 17% in contemplation; pre = 15% vs. post = 32% in action). Reasons for these findings and practical implications will be discussed.Acknowledgments: Sun Life Financial Canada
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 | 0,007 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».