Electronic device use and beverage related sugar and caffeine intake in US adolescents
Notice bibliographique
Résumé
BACKGROUND: Despite recent declines in consumption of sugary beverages, energy drinks (ED) and sodas continue to contribute a substantial amount of sugar and caffeine to the diet of youth. Consumption of these beverages has been linked with electronic device use, however in-depth associations between sugar and caffeine intake from energy drinks and sodas with various electronic devices are not clear. OBJECTIVE: Describe the relationship of soda and energy drink consumption and associated added sugar and caffeine intake with electronic device use among adolescents. METHODS: Secondary data from the 2013-2016 cycles of Monitoring the Future Survey, a national, repeated, cross-sectional study, were analyzed. Information on energy drink and soda consumption by students in grades 8 and 10 (n = 32,418) from 252-263 schools randomly sampled from all US states was used. RESULTS: Soda and energy drink consumption decreased each year from 2013-2016 while daily use of electronic devices remained stable. An additional hour/day of TV was linked to a 6.92g (6.31,7.48; p<0.001) increase in sugar intake and a 32% (OR = 1.32; 1.29,1.35; p < .001) higher risk of exceeding World Health Organization (WHO) recommended sugar intakes. Further, each hour/day of TV was linked to a 28% increased risk of exceeding caffeine recommendations (OR = 1.25-1.31; p<0.001). Each hour per day talking on a cellphone was associated with an increased risk of exceeding WHO sugar and caffeine intakes by 14% (OR = 1.11-1.16; p<0.001) and 18% (OR = 1.15-1.21; p<0.001) respectively. Video game use was only weakly linked to caffeine intake. Computer use for school was associated with lower likelihood of exceeding sugar intake cut-offs. CONCLUSION: While a trend towards reduced energy drink and soda intake from 2013-2016 was evident, greater electronic device use, especially TV time, was linked to higher intake of beverage-derived added sugar and caffeine amongst adolescents. Addressing these behaviours through counselling or health promotion could potentially help to reduce excess sugar and caffeine intake from sodas and energy drinks among this population.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».