Associations of meal patterning, dietary quality and diversity with anemia and overweight-obesity among Indonesian school-going adolescent girls in West Java
Notice bibliographique
Résumé
BACKGROUND: Poor diet is a risk factor for anemia, overweight, and obesity among adolescent girls. However, comprehensive assessment on dietary quality and habits in this population is limited. We assessed the association of meal patterning, dietary quality, and dietary diversity with both anemia and overweight-obesity. METHODS: We conducted a cross-sectional survey in 335 school-going adolescent girls aged 12-19 years from three districts in West Java using multi-stage cluster sampling. Meal patterning, Dietary Quality Index for Adolescents (DQI-A), and Dietary Diversity Score (DDS) were determined using 2-day 24-h recall. RESULTS: Of the girls, 45% were anemic and 17% overweight or obese. Eating occasions of 3-4 times (AOR 2.68, 95% CI 1.21-5.98) and >4 times (AOR 2.43, 95% CI 1.01-5.83) were associated with greater odds of developing anemia compared to eating occasions of <3 times. Adolescent girls who skipped dinner had greater odds of being overweight or obese (AOR 2.13, 95% CI 1.10-4.10) and were less likely to be anemic (AOR 0.56, 95%CI 0.33-0.95) compared to those who did not skip dinner. Difference in energy intake was found between girls who had dinner and skipped dinner (p = 0.05). Mean total DQI-A score was 44.4% ± 7.71% and DDS was 4.0 out of 9.0. DQI-A score was significantly higher in non-anemic compared to anemic girls. Moreover, each unit increment of 1% of total DQI-A score was associated with a 3.967 g/dL increases of hemoglobin after adjustment for confounders. We found differences in total DQI-A score between normal-weight and overweight or obese girls. DDS score was not significantly different between groups, although lower meat, chicken, and fish consumption were correlated with anemia (p<0.01). CONCLUSIONS: Overall, the girls had poor dietary quality and diversity. The findings therefore indicated the importance of improving dietary quality and diversity in a regular meal pattern, especially meal frequency and meal skipping, to reduce the risk of anemia and overweight-obesity among adolescent girls.
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 ».