Association between dietary behaviours and weight status of school children: results from the International Study of Childhood Obesity, Lifestyle and the Environment (ISCOLE) -Kenya
Notice bibliographique
Résumé
Background Sub-Saharan African countries are undergoing rapid urbanization resulting in vast changes in dietary habits. Dietary practices involving excess energy intake have been associated with overweight/obesity. We assessed the dietary behaviour of children and their relationships with weight status.Methods Data was collected in Kenya, as part of the International Study of Childhood Obesity, Lifestyle and the Environment (ISCOLE). The study recruited 563 children aged 9–11 years from 29 schools in Nairobi. A seven-day food frequency questionnaire was used to assess dietary intake. Dietary behaviours such as consumption of breakfast, school lunch, meals prepared/eaten away from home, emotional eating and snacking while watching television were also assessed. Body mass index (BMI-for-age and sex) was used as the indicator of weight status.Results Of the sample, 53.5% were girls; 20.8% were classified as overweight/obese; 72.9% ate meals out of home regularly; 55.2% ate lunch provided by the school; and only 76% had breakfast on all weekdays. Eating more when happy, eating fried foods while watching television, and consumption of vegetables were positively associated with BMI. Majority of overweight children were female (56.6%) and the type of school attended predicted BMI, F(6, 536) = 18.371, p < 0.0001, R2 = 0.171. BMI was negatively associated with consumption of cakes/pastries (χ2 = 14.7, V = 0.165, p = 0.023), potato crisps (χ2 = 21.6, V = 0.197, p = 0.003), and fast foods (χ2 = 13.5, p = 0.036). ANOVA results revealed no significant differences in the consumption of foods with BMI except for vegetables (p = 0.003).Conclusions Children have healthy diets rich in fruits and vegetables and low in energy-dense foods. Also, less healthy diets were observed in children with lower BMI. There is need for interventions targeting the overweight/obese children, particularly those of higher SES.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 ».