Différences entre les sexes quant à l’association longitudinale entre classes latentes multiniveaux de comportements à risque associés aux maladies chroniques et indice de masse corporelle chez les adolescents
Notice bibliographique
Résumé
Introduction Peu d’études ont évalué la relation entre des comportements à risque associés aux maladies chroniques et l’indice de masse corporelle (IMC) dans un contexte longitudinal sexospécifique. Cette étude s’appuie sur des analyses sexospécifiques pour évaluer dans quelle mesure des classes latentes de comportements à risque associés aux maladies chroniques fixées au départ sont liées à l’IMC et au statut pondéral lors du suivi. Méthodologie Des données longitudinales provenant de 4 510 élèves de la 9e à la 12e année, suivis de 2013 à 2015 dans le cadre de l’étude COMPASS, ont servi à évaluer les différences entre les sexes dans l’association décalée entre des classes latentes déterminées au départ (d’activité physique et de consommation de substances) et l’IMC lors des phases ultérieures au moyen de modèles multiniveaux à effets mixtes. Nos modèles de régression multiniveaux ont permis d’évaluer l’association entre deux classes latentes, les jeunes expérimentateurs actifs et les jeunes inactifs qui ne consomment pas, et l’IMC, lorsque les données sont stratifiées selon le sexe. Résultats Les garçons inactifs qui ne consomment pas ont été associés à un IMC continu plus élevé de 0,29 (IC à 95 % : 0,057 à 0,53) ainsi qu’à une probabilité d’embonpoint ou d’obésité supérieure de 72 % (RC = 1,72; IC à 95 % : 1,2 à 2,4) pour l’IMC binaire lors du suivi par rapport aux garçons actifs qui expérimentent la consommation de substances. Aucune association significative n’a été décelée chez les filles. Conclusion Au fil du temps, l’activité physique joue un rôle protecteur relativement à l’IMC chez les garçons. La consommation de substances et l’inactivité physique devraient toutes deux être ciblées par les efforts de prévention de l’obésité. La stratification selon le sexe dans les analyses est également importante, car l’augmentation de l’IMC dépend de facteurs différents chez les garçons et chez les filles.
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 | 0,009 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».