Association of leisure-time sedentary behavior with fast food and carbonated soft drink consumption among 133,555 adolescents aged 12–15 years in 44 low- and middle-income countries
Notice bibliographique
Résumé
Rates of sedentary behavior (SB), fast food and carbonated soft drink consumption are increasing worldwide, with steeper increases being observed in low- and middle-income countries (LMICs) in recent years. Given that these behaviors have been linked to adverse health outcomes among adolescents, this presents a new but rapidly growing challenge to human health in these under-resourced nations. However, very little is known about the associations between SB and fast food or soft drink consumption among adolescents in LMICs. Thus, data from the Global school-based Student Health Survey (GSHS) were cross-sectionally analyzed in 133,555 adolescents aged 12–15 years from 44 LMICs [mean (SD) age 13.8 (1.0) years; 49% females]. The data were collected in the form of self-report questionnaires. Associations were assessed with multivariable logistic regression analysis and meta-analysis. The overall prevalence of fast food consumption (at least once in previous 7 days) and carbonated soft drink consumption (at least once per day during past 30 days) were 49.3 and 43.8%, respectively. The overall pooled estimates based on a meta-analysis with random effects for the association of ≥3 h/day of SB with fast food consumption and soft drink consumption using country-wise estimates were OR = 1.35 (95% CI = 1.27–1.43, I 2 = 62.1%).) and OR = 1.26 (95% CI = 1.19–1.34; I 2 = 54.3%), respectively. Spending > 8 h/day of SB compared to < 1 h/day in females was associated with significantly higher odds for fast food (OR = 1.61, 95% CI = 1.38–1.88) and soft drink consumption (OR = 1.91, 95% CI = 1.60–2.28). Future interventions to address unhealthy behaviors in adolescents should take into account the interrelated nature of SB and unhealthy dietary habits, and seek to further understand the mechanisms linking these behaviors in the LMIC context.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,010 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».