The school environment and sugar-sweetened beverage consumption among Guatemalan adolescents
Notice bibliographique
Résumé
OBJECTIVE: The current study sought to examine Guatemalan adolescents' consumption of sugar-sweetened beverages (SSB), identify which individual-level characteristics are associated with SSB consumption and describe school characteristics that may influence students' SSB consumption. DESIGN: Within this observational pilot study, a questionnaire was used to assess students' consumption of three varieties of SSB (soft drinks, energy drinks, sweetened coffees/teas), as well as a variety of sociodemographic and behavioural characteristics. We collected built environment data to examine aspects of the school food environment. We developed Poisson regression models for each SSB variety and used descriptive analyses to characterize the sample. SETTING: Guatemala City, Guatemala. SUBJECTS: Guatemalan adolescents (n 1042) from four (two public, two private) secondary schools. RESULTS: Built environment data revealed that students from the two public schools lacked access to water fountains/coolers. The SSB industry had a presence in the schools through advertisements, sponsored food kiosks and products available for sale. Common correlates of SSB consumption included school type, sedentary behaviour, frequency of purchasing lunch in the cafeteria, and frequency of purchasing snacks from vending machines in school and off school property. CONCLUSIONS: Guatemalan adolescents frequently consume SSB, which may be encouraged by aspects of the school environment. Schools represent a viable setting for equitable population health interventions designed to reduce SSB consumption, including increasing access to clean drinking-water, reducing access to SSB, restricting SSB marketing and greater enforcement of existing food policies.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».