Consumption of 100% juices is not associated with being overweight or risk for being overweight in children
Notice bibliographique
Résumé
Using four‐year National Health and Nutrition Examination Survey (NHANES) data (1999–2002), we examined the impact of consumption of 100% fruit and other juices by children ages 2–18 yrs on body weight, being overweight, and risk of being overweight. We separated the data first into two groups, young children (2–11 yrs) and older children (12–18 yrs), and then into 100% juice consumers (those who reported any amount of 100% juice consumption in the 24‐hr recall) and non‐consumers. Body weight, body mass index (BMI), and waist size were compared, with the analyses adjusted for gender, ethnicity, age and calories. We used the CDC growth chart data to establish percentiles of weight for each age group and then conducted logistic regression to ascertain if the odds ratio of being overweight (BMI ≥ 95 th percentile) or the risk of being overweight (BMI ≥ 85 th percentile) was different in 100% juice drinkers compared to non‐drinkers. In children 2–18 yrs we found no significant differences in body weight, body mass index, and waist size between juice consumers and non‐consumers. In children 12–18 yrs, BMI was significantly lower (p< 0.05) in juice consumers vs non‐consumers (22.4 ± 0.2 vs 23.1 ± 0.2, kg/m 2 ). For children 2–18 yrs, there were no differences in percentile weight for age, Z‐score for weight for age, or percentile BMI for age. However, juice consumers had a significantly lower (p< 0.05) Z‐score for BMI for age. There were no differences based on juice use for odds ratio for being overweight but juice consumers had an 18% lower (95% CI: 0.69, 0.96) risk for being overweight. (Supported by the Juice Products Association.)
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».