Exploring Influences of Eating Behaviors Among Emerging Adults in the Military
Notice bibliographique
Résumé
OBJECTIVE: Identify factors influencing eating behaviors among emerging adults in the military. DESIGN: Focused ethnography using interviews, observations, and artifacts for data. SETTING: Three US Naval installations. PARTICIPANTS: Thirty-two active-duty Sailors aged 18-25 years. ANALYSIS: Qualitative data were organized in NVivo and analyzed sequentially to categorize culturally relevant domains and themes using a social ecological model (SEM). Descriptive statistics were used to describe questionnaire data in SPSS (version 27.0, IBM, 2020). RESULTS: Leaders encouraged healthy eating through policies and messages, but cultural contradictions and environmental barriers undermined Sailors' efforts to eat healthily. Stress and resource constraints (intrapersonal), peer pressure (social), unhealthy food environments and lack of access to food preparation (environmental), and eating on the go because of mission-first norms (cultural) promoted unhealthy eating behaviors. Nutrition and culinary literacy (intrapersonal); peer support and leadership engagement (social); access to healthy, convenient, and low-cost foods (environmental); and indoctrination to healthy eating during recruit training (cultural) positively influenced eating behaviors. CONCLUSION AND IMPLICATIONS: The eating behaviors of service members are influenced by many modifiable factors. Targeted education, leadership engagement, and policies that make nutritious foods easily accessible, appealing, and preferred are needed.
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 | 0,001 |
| 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 ».