Gender differences in the longitudinal association between multilevel latent classes of chronic disease risk behaviours and body mass index in adolescents
Notice bibliographique
Résumé
INTRODUCTION: Few studies have assessed the relationship between chronic disease risk behaviours and body mass index (BMI) in a longitudinal, sex/gender-specific context. This study used gender-specific analyses to assess the extent to which chronic disease risk behaviour latent classes are associated with BMI and weight status at follow-up. METHODS: Longitudinal data from 4510 students in Grades 9 to 12, tracked from 2013- 2015, who participated in the COMPASS study were used to assess gender differences in the lagged association between previously determined latent classes (of physical activity and substance use) with BMI using multilevel mixed-effects models. Our multilevel regression models assessed the association between two latent classes, active experimenters and inactive non-using youth, with BMI when stratified by gender. RESULTS: Male inactive non-substance-using youth were associated with a 0.29 higher continuous BMI (95% CI: 0.057, 0.53) and odds of overweight/obesity increased by 72% (OR = 1.72, 95% CI: 1.2, 2.4) for binary BMI at follow-up relative to active youth who experiment with substance use. No significant associations were detected in females. CONCLUSION: Over time, physical activity has a protective role on BMI in male youth. Both substance use and physical inactivity should be addressed in obesity prevention efforts. Gender stratification in analyses is also important since females and males have different contributing factors to increases in BMI.
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 | 0,003 | 0,006 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».