Mealtime media use and cardiometabolic risk in children
Notice bibliographique
Résumé
OBJECTIVES: To examine the association between mealtime media use and non-HDL-cholesterol as well as other markers of cardiometabolic risk (CMR) in children. DESIGN: A repeated measures study design was used to examine the association between mealtime media use and CMR outcomes. Multivariable linear regression with generalised estimating equations was used to examine the association between mealtime media use and CMR outcomes. Analyses were stratified a priori by age groups (1-4 and 5-13 years). SETTING: The TARGet Kids! Practice-based research network in Toronto, Canada. PARTICIPANTS: 2117 children aged 1-13 years were included in the analysis. RESULTS: After adjusting for covariates, there was no evidence that total mealtime media use was associated with non-HDL-cholesterol in 1-4 year olds (P = 0·10) or 5-13 year olds (P = 0·29). Each additional meal with media per week was associated with decreased HDL-cholesterol in 5-13 year olds (-0·006 mmol/l; 95 % CI -0·009, -0·002; P = 0·003) and log-TAG in 1-4 year olds (β = -0·004; 95 % CI -0·008, -0·00009; P = 0·04). Media use during breakfast was associated with decreased HDL-cholesterol in 5-13 year olds (-0·012 mmol/l; 95 % CI -0·02, -0·004; P = 0·002), while media during lunch was associated with decreased log-TAG (-0·01 mmol/l; 95 % CI -0·03, -0·002; P = 0·03) in children aged 1-4 years. Total mealtime media use was not associated with total cholesterol, glucose or insulin in either age group. CONCLUSIONS: Mealtime media use may be associated with unfavourable lipid profiles through effects on HDL-cholesterol in school-aged children but likely not in pre-schoolers.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».