MétaCan
Menu
Retour à la cohorte
Enregistrement W2673618222 · doi:10.1017/s2040174417000423

Priorities for African youth for engaging in DOHaD

2017· article· en· W2673618222 sur OpenAlexaff
Andrew Macnab, Ronald Mukisa

Notice bibliographique

RevueJournal of Developmental Origins of Health and Disease · 2017
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesWallenberg Centre for Molecular and Translational Medicine
Mots-clésHarmHealth promotionPromotion (chess)PopulationMedical educationPsychologyMedicineEnvironmental healthNursingPublic healthSocial psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

A challenge for implementing DOHaD-defined health promotion is how to engage the at-risk population. The WHO Health Promoting School (HPS) model has proven success engaging youth and improving health behaviors. Hence, we introduced DOHaD concepts to 151 pupils aged 12-15 years in three HPS programs in rural Uganda, inquired what factors would make DOHaD-related health promotion resonate with them, and discussed how they recommended making learning about DOHaD acceptable to youth. Economic factors were judged the most compelling; with nutrition and responsive care elements next in importance. Suggested approaches included: teach how good health is beneficial, what works and why, and give tools to use to achieve it, and make information positive rather than linked to later harm. Involve youth in making DOHaD learning happen, make being a parent sound interesting, and include issues meaningful to boys. These are the first data from youth charged with addressing their engagement in the DOHaD agenda.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,318

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,341
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Developmental Origins of Health and DiseaseMême sujetChild Nutrition and Water AccessTravaux en français237 207