Status and correlates of food and nutrition literacy among parents-adolescents’ dyads: findings from 10 Arab countries
Notice bibliographique
Résumé
Background Food literacy is capturing the attention worldwide and gaining traction in the Arab countries. Strengthening food and nutrition literacy among Arab teenagers are important promising empowering tools which can protect them from malnutrition. This study aims to assess the nutrition literacy status of adolescents with the food literacy of their parents in 10 Arab countries. Methods This cross-sectional study involving a convenient sample of 5,401 adolescent-parent dyads (adolescents: mean age ± SD: 15.9 ± 3.0, females: 46.8%; parents: mean age ± SD: 45.0 ± 9.1, mothers: 67.8%) was launched between 29 April and 6 June 2022 in 10 Arab nations. The Adolescent Nutrition Literacy Scale (ANLS) and the Short Food Literacy Questionnaire (SFLQ) were used to meet the study aims. Results More than one-quarter (28%) of adolescents had poor nutrition literacy, with 60% of their parents being food illiterate. The top three countries with nutritionally” less literate” adolescents were Qatar (44%), Lebanon (37.4%), and Saudi Arabia (34.9%). Adolescents’ age, gender, education level, primary caregivers, employment status, and the inclusion of nutrition education in the schools’ curriculum predicted the nutrition literacy levels of Arab adolescents. Besides, parental weight status, health status, parent’s food literacy level, and the number of children per household were significant determinants too. Adolescents studying at a university and having parents with adequate food literacy had the highest odds of being nutritionally literate (OR = 4.5, CI = 1.8–11.5, p = 0.001, OR = 1.8, CI = 1.6–2.1, p < 0.001, respectively). Conclusion Nutrition literacy inadequacy among Arab adolescents is a prioritized challenge to be tackled.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».