MétaCan
Menu
Retour à la cohorte
Enregistrement W2793591974 · doi:10.6000/1929-4247.2018.07.01.1

Evaluation of an After-School Obesity Prevention Program for Children

2018· article· en· W2793591974 sur OpenAlexvenueno aff
Laura Nabors, Kristen Welker, Brandon Pavilack, Myia Lang, Renee O. Hawkins, Anne M. Bauer

Notice bibliographique

RevueInternational Journal of Child Health and Nutrition · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineObesityEnvironmental healthGerontologyPediatricsFamily medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Dissemination of obesity prevention programs in different settings is needed. Moreover, new outreach tools to teach parents healthy eating and exercise lessons provided in these programs are important to develop. The pilot studies presented in this paper examined the implementation of the Children’s Healthy Eating and Exercise Program in two different after school programs in 2015 and 2016. Participants were elementary school-age children and their parents. Eight lessons were presented at each school. Child perceptions of healthy eating and exercise goals were examined as well as child knowledge retention and perceptions of behavior change. Parent perceptions of the program were analyzed. Results indicated that children reported improved knowledge and behaviors. Parents reported satisfaction with the program, but remained hard to reach. Children recalled key components of the healthy eating lessons at long-term follow-up assessments. In the second pilot study, children served as health coaches for teaching parents about family goals. Children believed they were successful at coaching parents, but they requested help in developing family eating and exercise goals. Improving outreach to parents and involving siblings remains a goal for future studies as does beginning to examine changes in eating and physical activity using food diaries and accelerometry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,023
Tête enseignante GPT0,388
Écart entre enseignants0,365 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Child Health and NutritionMême sujetObesity, Physical Activity, DietTravaux en français237 207