Examining dietary self-talk content and context for discretionary snacking behaviour: a qualitative interview study
Notice bibliographique
Résumé
Background: Consuming discretionary snack foods high in calories, salt, sugar or fat in between regular meals can have a negative impact on weight management and health. Despite the intention to refrain from discretionary snacking, individuals often report feeling tempted by snack foods. A cognitive process to resolve food choice related tension may be dietary self-talk which is one’s inner speech around dietary choice. This study aimed to understand the content and context of dietary self-talk before consuming discretionary snack foods.Methods: Qualitative semi-structured interviews based on Think-Aloud methods were conducted remotely. Participants answered open-ended questions and were presented with a list of 37 dietary self-talk items. Interview transcripts were analyzed thematically.Results: Interviews (n = 18, age: 19–54 years, 9 men, 9 women) confirmed the frequent use of dietary self-talk with all 37 content items endorsed. Reported use was highest for the self-talk items: ‘It is a special occasion’; ‘I did physical activity/exercise today’; and ‘I am hungry’. Three new items were developed, eight items were refined. Identified key contextual themes were: ‘reward’, ‘social’, ‘convenience’, ‘automaticity’, and ‘hunger’.Conclusions: This study lists 40 reasons people use to allow themselves to consume discretionary snack foods and identifies contextual factors of dietary-self talk. All participants reported using dietary self-talk, with variation in content, frequency and degree of automaticity. Recognising and changing dietary self-talk may be a promising intervention target for changing discretionary snacking behaviour.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 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 tête enseignante, 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 ».