Contemporary screen time usage among children 9–10‐years‐old is associated with higher body mass index percentile at 1‐year follow‐up: A prospective cohort study
Notice bibliographique
Résumé
OBJECTIVE: There is a paucity of prospective research exploring the relationship among contemporary screen time modalities (e.g., video streaming, video chatting, texting and social networking) and body mass index (BMI) percentile. The objective of this study was to determine the prospective associations between screen time behaviours in a large and demographically diverse population-based cohort of 9-10-year-old children and BMI percentile at 1-year follow-up. METHODS: We analyzed prospective cohort data from the Adolescent Brain Cognitive Development (ABCD) Study (N = 11 066). Multiple linear regression analyses were conducted to estimate associations between baseline screen time behaviours (exposure) and BMI percentile at 1-year follow-up, adjusting for race/ethnicity, sex, household income, parent education, depression, binge-eating disorder and baseline BMI percentile. RESULTS: Each additional hour of total screen time per day was prospectively associated with a 0.22 higher BMI percentile at 1-year follow-up (95% CI 0.10-0.34) after adjusting for covariates. When examining specific screen time behaviours, each additional hour of texting (B = 0.92, 95% CI 0.29-1.55), video chat (B = 0.72, 95% CI 0.09-1.36) and video games (B = 0.42, 95% CI 0.06-0.78) was significantly prospectively associated with higher BMI percentile. CONCLUSIONS: Screen time is prospectively associated with a higher BMI percentile 1 year later among children 9-10 years old.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».