MétaCan
Menu
Retour à la cohorte
Enregistrement W4391157938 · doi:10.2196/51581

Eating Habits and Lifestyle Factors Related to Childhood Obesity Among Children Aged 5-6 Years: Cluster Analysis of Panel Survey Data in Korea

2024· article· en· W4391157938 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2024
Typearticle
Langueen
DomaineNursing
ThématiqueNutrition, Health and Food Behavior
Établissements canadiensnon disponible
Organismes subventionnairesCollege of Nursing, Yonsei UniversityYonsei University
Mots-clésOverweightCluster (spacecraft)ObesityChildhood obesityDemographyMedicineEnvironmental healthGerontologyPsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Childhood obesity has emerged as a major health issue due to the rapid growth in the prevalence of obesity among young children worldwide. Establishing healthy eating habits and lifestyles in early childhood may help children gain appropriate weight and further improve their health outcomes later in life. OBJECTIVE: This study aims to classify clusters of young children according to their eating habits and identify the features of each cluster as they relate to childhood obesity. METHODS: A total of 1280 children were selected from the Panel Study on Korean Children. Data on their eating habits (eating speed, mealtime regularity, consistency of food amount, and balanced eating), sleep hours per day, outdoor activity hours per day, and BMI were obtained. We performed a cluster analysis on the children's eating habits using k-means methods. We conducted ANOVA and chi-square analyses to identify differences in the children's BMI, sleep hours, physical activity, and the characteristics of their parents and family by cluster. RESULTS: At both ages (ages 5 and 6 years), we identified 4 clusters based on the children's eating habits. Cluster 1 was characterized by a fast eating speed (fast eaters); cluster 2 by a slow eating speed (slow eaters); cluster 3 by irregular eating habits (poor eaters); and cluster 4 by a balanced diet, regular mealtimes, and consistent food amounts (healthy eaters). Slow eaters tended to have the lowest BMI (P<.001), and a low proportion had overweight and obesity at the age of 5 years (P=.03) and 1 year later (P=.005). There was a significant difference in sleep time (P=.01) and mother's education level (P=.03) at the age of 5 years. Moreover, there was a significant difference in sleep time (P=.03) and the father's education level (P=.02) at the age of 6 years. CONCLUSIONS: Efforts to establish healthy eating habits in early childhood may contribute to the prevention of obesity in children. Specifically, providing dietary guidance on a child's eating speed can help prevent childhood obesity. This research suggests that lifestyle modification could be a viable target to decrease the risk of childhood obesity and promote the development of healthy children. Additionally, we propose that future studies examine long-term changes in obesity resulting from lifestyle modifications in children from families with low educational levels.

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.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,011
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
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 Opus0,041
Tête enseignante GPT0,323
Écart entre enseignants0,281 · 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