MétaCan
Menu
Retour à la cohorte
Enregistrement W4285034738 · doi:10.3390/children9071028

Intake of Fruits, Vegetables, and Sugar-Sweetened Beverages among a Sample of Children in Rural Northern Ontario, Canada

2022· article· en· W4285034738 sur OpenAlexafffundabout
Brenton Button, Louise W. McEachern, Gina Martin, Jason Gilliland

Notice bibliographique

RevueChildren · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensLawson Health Research InstituteAthabasca UniversityChildren’s Health Research InstituteUniversity of WinnipegWestern University
Organismes subventionnairesChildren’s Health FoundationCanadian Institutes of Health ResearchSocial Sciences and Humanities Research CouncilHeart and Stroke Foundation of Canada
Mots-clésEnvironmental healthOddsResidenceIndigenousSugarMedicineRural areaOdds ratioLogistic regressionDemographyGeographyFood scienceBiology

Résumé

récupéré en direct d'OpenAlex

There is evidence to suggest that dietary intake of children differs by rural/urban place of residence: rural children may have a higher intake of foods high in fat and sugar than those living in urban environments. The aim of this study was to examine the intake of fruits and vegetables (FV) and the frequency of sugar-sweetened beverage (SSB) consumption, among a sample of rural children in Northern Ontario, Canada, in two different seasons. Sociodemographic factors and children's FV and SSB intake were measured using two repeated cross-sectional surveys, and seasonal information was based on the month of data collection. Logistic regressions were used to examine the odds of children eating five or more FVs, and the odds of 'frequently or always' consuming SSBs. During the fall, children reported eating five or more FV more often, when compared to winter (53.9% vs. 48.3%). In the fall, 25.8% of children reported 'frequently or always' drinking SSB, compared with 16.9% in winter. Indigenous children were less likely to eat five or more FV (OR 0.34 (95% CI 0.12-0.95)) in the fall when compared to non-Indigenous children. Findings indicate that intake of FV among rural students in this region is low, and the frequency of SSB is high, when compared with national recommendations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,748

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,194
Écart entre enseignants0,189 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueChildrenMême sujetObesity, Physical Activity, DietTravaux en français237 207