Digital technology use and <scp>muscle‐building</scp> behaviors in young adults
Notice bibliographique
Résumé
OBJECTIVE: Digital technology use and muscle-building behaviors reflect a wide range of behaviors with associated health risks. However, links between digital technology use and muscle-building behaviors remain unknown and this study aimed to address this gap. METHOD: Data were collected from a diverse sample of 1,483 young adults (mean age 22.2 ± 2.0 years) participating in the population-based Eating and Activity over Time 2018 study. Gender-stratified-modified Poisson regression models were used to determine cross-sectional associations between three types of digital technology use (screen time, social media, weight-related self-monitoring apps) and five types of muscle-building behaviors (changing eating, exercise, protein powders/shakes, pre-workout drinks, steroids/growth hormone/creatine/amino acids) in young adulthood, adjusted for sociodemographic characteristics and body mass index. RESULTS: Screen time and social media were either not found to be associated with muscle-building behaviors or in a few instances, associated with less use of these behaviors (e.g., screen time and pre-workout drinks in men). In contrast, the use of weight-related self-monitoring apps was positively associated with all muscle-building behaviors, including steroids/growth hormone/creatine/amino acids in men (prevalence ratio [PR] = 1.83; 95% confidence interval [CI]: 1.13-2.97) and women (PR = 4.43; 95% CI: 1.68-11.68). DISCUSSION: While most recreational screen time may represent sedentary behaviors not related to muscle-building behaviors, weight-related self-monitoring apps are highly associated with more muscle-building behaviors and could be a future target for interventions to discourage the use of steroids and other harmful muscle-building substances.
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 | 0,000 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».