MétaCan
Menu
Retour à la cohorte
Enregistrement W2971527482 · doi:10.3390/nu11092110

Water and Beverage Consumption among a Nationally Representative Sample of Children and Adolescents in the United Arab Emirates

2019· article· en· W2971527482 sur OpenAlexaff
Habiba I. Ali, Ayesha S. Al Dhaheri, Fadima Elmi, Shu Wen Ng, Sahar Zaghloul, Eric O. Ohuma, Husain S. Qazaq

Notice bibliographique

RevueNutrients · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésEnvironmental healthMedicineAnthropometryWater intakePsychological interventionWater consumptionDemographyToxicologyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

There are limited studies examining water consumption among individuals in hot climates. We assessed the daily total water intake from plain water, other beverages, and food in a nationally representative sample of children and adolescents aged 6-18 years in the United Arab Emirates. Total water intake was compared against the recommendations of the Institute of Medicine and the European Food Safety Authority. Sociodemographic information, 24 h dietary recall, physical activity levels, and anthropometric data were collected from 527 participants. The mean ± SE of total water intake was 1778.4 ± 33.8 mL/day. Plain drinking water was the largest contributor to total water intake (51.6%), followed by food (27.3%). Sugar-sweetened beverages constituted 13.9% of water intake. The proportion of participants who met the Institute of Medicine recommendations ranged from 15% (males aged 14-18) to 25% (children aged 6-8). The proportion of participants who met the European Food Safety Authority recommendations ranged from 31% (females aged 14-18) to 36% (males aged 14-18). The water-to-energy ratio was 1.0-1.15 L/1000 kcal, meeting recommendations. The majority of participants failed to meet water intake recommendations, highlighting the need for targeted interventions to promote increased water consumption among children and adolescents.

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)0,001
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 enseignants0,017
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,014
Tête enseignante GPT0,272
Écart entre enseignants0,257 · 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

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetObesity, Physical Activity, DietTravaux en français237 207