Do Childcare Teachers Evaluate Children’s Weight Status More Accurately Than Parents? A Brief Report
Notice bibliographique
Résumé
Purpose Parents’ underestimation of young children’s weight can reduce their engagement and readiness to implement changes in children’s diet and physical activity. Childcare teachers can support parents’ identification of children at risk for being overweight only if they can accurately do this themselves. Design Quantitative, cross-sectional study. Setting Fifteen kindergartens near Lisbon, Portugal. Subjects 319 parents, 32 teachers (47.5% and 100% response rate, respectively), and 319 children. Measures Caregivers classified the children’s weight, considering their height and age as underweight, healthy weight, or overweight; children’s body mass index (BMI) status for age and sex was assessed. Analysis Differences in caregivers’ accuracy of children’s weight perception were assessed. Multilevel multivariate logistic regression models were used to analyze the predictors of the accuracy of teachers’ and parents’ weight perception as a binary outcome. Results The proportion of children with overweight correctly assessed differed significantly ( P = 0.004) between teachers (31.1%) and parents (17.5%). The child’s BMI percentile was the only significant positive predictor for both caregivers’ weight perception accuracy ( P < 0.001 and P = 0.004, for parents and teachers, respectively), holding the child’s age and sex constant. Conclusion Although childcare teachers were better raters than parents when evaluating children’s weight status, the percentage of children with overweight that childcare teachers misclassified was still relatively high.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 ».