Meta-Analysis: Effect of Screen Time on Obesity in Children and Adolescents
Notice bibliographique
Résumé
Background: A number of observational studies and rigorous experimental trials tested the effects of reducing children's screen media exposure on weight gain. Current evidence suggests that screen media exposure leads to obesity in children and adolescents through increased eating while viewing (exposure to high-calorie, lownutrient food and beverage marketing that influences children's preferences, purchase requests, consumption habits) and reduced sleep duration. This study was conducted to investigate the effect of screen time on obesity in children and adolescents. Subjects and Method: This was a systematic review and meta-analysis. The study was conducted in multiple databases including PubMed, Science Direct, Google Scholar, Springerlink, and complemented by cross-referencing to identify randomized control trial published from 2011 to 2021. The following search terms were used: obesity OR obese OR overweight AND "fast foods" OR snacks OR "fried foods" AND "social media" OR "screen time" OR television AND child OR adolescent. The inclusion criteria were full text, cross-sectional study, and reported adjusted odds ratio (aOR). The articles were filtered using PICO model, including: (1) Population= children and adolescents, (2) intervention= screen time 3 hours, (3) comparison= screen time <3 hours, and (4) outcome= obesity. The inclusion criteria were English full-text and reported mean and standard deviation. The systematic review was carried out according to the PRISMA flow diagram. Data analysis were performed using RevMan 5.3. Results: 11 eligible articles from Ethiopia, Italy, Tanzania, China, Canada, Saudi Arabia, Nepal, and Pakistan were included for meta analysis. This study showed that screen time 3 hours elevated the risk of obesity in children and adolescents 1.40 times than screen time <3 hours (aOR= 1.40; 95% CI= 1.21 to 1.62; p= 0.001). Conclusion: Screen time 3 hours elevates the risk of obesity in children and adolescents 1.40 times than screen time <3 hours.
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 | 0,024 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,021 | 0,063 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».