MétaCan
Menu
Retour à la cohorte
Enregistrement W3049664479 · doi:10.1002/nur.22064

Lifestyle behaviors among undergraduate nursing students: A latent class analysis

2020· article· en· W3049664479 sur OpenAlexaff
Tássia Teles Santana de Macêdo, Fernanda Carneiro Mussi, Debra Sheets, Ana Clara Paixão Campos, Ana Luísa Patrão, Caren Lorena Menezes Freitas, Melissa Almeida Santos Paim

Notice bibliographique

RevueResearch in Nursing & Health · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth and Wellbeing Research
Établissements canadiensUniversity of Victoria
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésLatent class modelClass (philosophy)PsychologyNursingGerontologyMedicineComputer scienceStatisticsMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This is a cross-sectional study whose objective was to identify clustering of lifestyle behaviors among undergraduate nursing students to inform health promotion efforts and improve health outcomes later in life. All 353 undergraduate nursing students from the School of Nursing in a public university, Bahia, Brazil were invited to participate. The inclusion and exclusion criteria were according to the major project. Participants must be enrolled and attending the 1st to 10th semester, with a minimum age of 18 years. Participants were excluded if they had any physical disabilities that limited the collection of anthropometric measures or were completing an internship off-campus. A total of 286 undergraduate nursing students met the criteria and completed the survey. The questionnaires included standardized measures for demographic, academic, and lifestyle behaviors (e.g., tobacco use, alcohol use, physical activity level, sedentary behavior, and fruits and vegetables consumed). Latent class analysis was performed to identify any clustering of lifestyle behaviors. Descriptive analyses indicated that 3.1% of the students were smokers, 23.1% consumed alcohol, 34.3% were inactive, 85.0% were sedentary, and 80.8% did not consume recommended amounts of fruits and vegetables. Latent class analysis produced four distinct subtypes of health risk: (a) low-health risk (33.57%); (b) moderate-health risk (27.97%); (c) high-health risk (19.58%); and (d) very high-health risk (18.88%). Approximately 38.5% of students were in the very high or high-risk classes. The proportion of students with very high and high-health risks emphasizes the importance of health promotion programs for university nursing students.

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)0,004
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,009
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,167
Tête enseignante GPT0,586
Écart entre enseignants0,419 · 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

Citations19
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in Nursing & HealthMême sujetHealth and Wellbeing ResearchTravaux en français237 207