Area deprivation, screen time and consumption of food and drink high in fat salt and sugar (HFSS) in young people: results from a cross-sectional study in the UK
Notice bibliographique
Résumé
OBJECTIVES: To investigate associations between deprivation in young people and consumption of foods high in fat, salt and sugar (HFSS), screen time exposure and health knowledge. DESIGN: An online cross-sectional survey with people aged 11-19 years in the UK, where participants reported consumption behaviours across 13 HFSS and two non-HFSS groups; screen time for commercial television and streaming services; and knowledge of health conditions and their links to obesity. SETTING: UK PARTICIPANTS: A total of 3348 young people aged 11-19 years across the UK. MAIN OUTCOME MEASURES: The study assessed the consumption behaviours, commercial screen time exposure and the health knowledge of 3348 people aged 11-19 years. Multivariate binary regression analysis, controlling for age and gender, was performed. RESULTS: Deprivation level was associated with increases in consumption of six of the HFSS products including energy drinks (OR: 2.943, p<0.001) and sugary drinks (OR: 1.938, p<0.001) and a reduction in consumption in the two non-HFSS products included in the study, fruit (OR: 0.668, p=0.004) and vegetables (OR: 0.306, p<0.001). Deprivation was associated with high weekly screen time of both television (OR: 2.477, p<0.001) and streaming (OR: 1.679, p=0.001). Health knowledge was also associated with deprivation. There was lower awareness of the association of obesity and cancer (OR: 0.697, p=0.003), type 2 diabetes (OR: 0.64, p=0.004) and heart disease (OR: 0.519, p<0.001) in the most deprived. CONCLUSIONS: Young people from the more deprived areas of the UK were more likely to consume a range of HFSS products, report increased exposure to HFSS advertising and have a poorer awareness of health conditions associated with overweight and obesity. The findings suggest that population-level measures addressing childhood obesity should account for consumption patterns among different groups of children and young people and the factors that may influence these.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».