Emotional Eating, Health Behaviours, and Obesity in Children: A 12-Country Cross-Sectional Study
Notice bibliographique
Résumé
Eating in response to negative emotions (emotional eating, EE) may predispose an individual to obesity. Yet, it is not well known how EE in children is associated with body mass index (BMI) and health behaviours (i.e., diet, physical activity, sleep, and TV-viewing). In the present study, we examined these associations in a cross-sectional sample of 5426 (54% girls) 9–11-year-old children from 12 countries and five continents. EE, food consumption, and TV-viewing were measured using self-administered questionnaires, and physical activity and nocturnal sleep duration were measured with accelerometers. BMI was calculated using measured weights and heights. EE factor scores were computed using confirmatory factor analysis, and dietary patterns were identified using principal components analysis. The associations of EE with health behaviours and BMI z-scores were analyzed using multilevel models including age, gender, and household income as covariates. EE was positively and consistently (across 12 study sites) associated with an unhealthy dietary pattern (β = 0.29, SE = 0.02, p < 0.0001), suggesting that the association is not restricted to Western countries. Positive associations between EE and physical activity and TV viewing were not consistent across sites. Results tended to be similar in boys and girls. EE was unrelated to BMI in this sample, but prospective studies are needed to determine whether higher EE in children predicts the development of undesirable dietary patterns and obesity over time.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».