Prevalence of the Patterns of Unhealthy Diet in the School and University Students of Iran: A Systematic Review and Meta‐Analysis
Notice bibliographique
Résumé
Introduction . The present study was conducted to investigate the pooled prevalence rate of the different patterns of unhealthy diet among the school and university students of Iran. Methods . In this systematic review, the type of the main question was regarding prevalence and the effect measure was prevalence rate reported along with 95% confidence interval (CI). Data bases including PubMed, Scopus, and Web of Science as well as Google Scholar and Persian resources were used. The Newcastle–Ottawa scale (NOS) checklist was used for quality assessment of studies. Results . The extracted types of unhealthy diet in the present systematic review were “breakfast skipper,” “fast food,” “hydrogenated oils consumption,” “salty snacks,” “sweetened beverages,” “breakfast skipper,” “dinner skipper,” “launch skipper,” and “sweets.” The range of pooled prevalence for different types was 0.06–0.75. The data of 16,321 subjects included in six studies were analyzed. The pooled prevalence of unhealthy diet was 0.28 (95% CI: 0.23–0.33, I 2 > 99%) overall, 0.25 (95% CI: 0.20–0.31, I 2 > 99%) in school students and 0.37 (95% CI: 0.12–0.62, I 2 > 99%) in university students. The most prevalent pattern was breakfast skipping 0.39 (95% CI: 0.28–0.50) followed by consumption of sweetened beverages 0.31 (95% CI: 0.20–0.43). The pooled prevalence range among the patterns was 0.06–0.75 (random effects for all). Conclusion . The pooled prevalence was 28% for unhealthy diet among the Iranian students (6% to 75% in different patterns). Although there was uncertainty regarding the pooled evidence, the whole of the mentioned range was clinically important for health policymakers. Decisions should be made on the basis of the patterns.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».