MétaCan
Menu
Retour à la cohorte
Enregistrement W2948005798 · doi:10.1093/pch/pxz066.021

22 Mealtime Media Use And Non-High-Density Lipoprotein Cholesterol in Children

2019· article· en· W2948005798 sur OpenAlexaff
Joseph Jamnik, Charles Keown‐Stoneman, Karen Eny, Jonathon L. Maguire, Catherine S. Birken

Notice bibliographique

RevuePaediatrics & Child Health · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNutrition, Genetics, and Disease
Établissements canadiensSickKids FoundationUniversity of TorontoSt. Michael's HospitalInstitute for Clinical Evaluative SciencesPublic Health OntarioHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésMedicineBreastfeedingScreen timeMealCholesterolEthnic groupGeneralized estimating equationAssociation (psychology)DemographyInternal medicineEndocrinologyPediatricsObesityPsychology

Résumé

récupéré en direct d'OpenAlex

Television viewing during mealtime has been associated with elevated BMI in children. Recently, there has been an increase in the use of mobile media devices; however, the association between overall media use during mealtime and markers of cardiometabolic risk (CMR) remains unknown. To examine mealtime media use in children and its association with non-HDL cholesterol levels and other CMR outcomes, including BMI z-score (zBMI), total cholesterol, HDL cholesterol, triglycerides, glucose and insulin. A cross-sectional analysis using repeated measures was conducted on n=2,117 (total observations=2,911) healthy children age 1–13 years participating in a practice-based research network from 2013–2018. To account for repeated measures, multivariable linear regression with generalized estimating equations was used to examine the association between weekly mealtime media use and non-HDL cholesterol as well as secondary CMR outcomes. Individual age groups (<5y and ≥5y) were analyzed separately when age group interaction terms were significant (p<0.05). After adjusting for child age, sex, birthweight, fasting time, physical activity, total screen time, maternal education, maternal ethnicity, family income, parental history of cardiometabolic disease, breastfeeding duration and family meals, total media use during mealtime was not associated with non-HDL cholesterol (p=0.51). In children ≥5y, each increase of one meal with media per week was associated with a decrease in HDL cholesterol by -0.006 mmol/L (95% CI -0.009, -0.002; p=0.003), and this was driven by media use during breakfast (-0.012 mmol/L; 95% CI -0.02, -0.004; p=0.002). In children ≥5y, there was marginal evidence of increased zBMI for each dinner consumed with media per week (0.034 units; 95% CI -0.0003, 0.069; p=0.05). In children <5y, each snack consumed with media per week was associated with a decrease in zBMI by -0.022 units (95% CI -0.041, -0.003; p=0.02). Total mealtime media use was also inversely associated with log-triglycerides in children <5y (beta=-0.004; 95% CI -0.008, -0.00009; p=0.04). Total mealtime media use was not associated with total cholesterol, glucose or insulin (p>0.05). While mealtime media use was not associated with non-HDL cholesterol, it may be associated with unfavourable lipid profiles through effects on HDL cholesterol in children ≥5y. Motivations for mealtime media use may differ among pre-school and school-aged children, which may therefore contribute to the differing direction of associations observed in our study. Further research examining the context in which mealtime media is used is warranted.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,005
Tête enseignante GPT0,220
Écart entre enseignants0,215 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child HealthMême sujetNutrition, Genetics, and DiseaseTravaux en français237 207