MétaCan
Menu
Retour à la cohorte
Enregistrement W4402272681 · doi:10.1097/jom.0000000000003214

Factors Related to Firefighters' Food Behaviors at the Fire Station

2024· article· en· W4402272681 sur OpenAlexaff
Thomas Sire, Noémie Carbonneau, Julie Houle, François Trudeau, Philippe Gendron

Notice bibliographique

RevueJournal of Occupational and Environmental Medicine · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Performance
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésEnvironmental healthBody mass indexMedicineRegression analysisLogistic regressionGerontologyCross-sectional studyDemographyPsychologyStatistics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Using a cross-sectional correlational study, the purpose was to quantitatively investigate factors associated to firefighters' food behaviors while on duty at the fire station. METHODS: Two hundred and fifty-two (252) firefighters (males, 96%; age, 39 ± 11 years) completed an online questionnaire assessing diet and exploring factors that could be associated to firefighters' food behaviors at the fire station. RESULTS: First regression analysis showed that level of education, years of experience, self-perceived nutrition knowledge, autonomous motivation, and accessibility to unhealthy foods were the best predictors of healthy food score. Second regression analysis revealed that body mass index, autonomous motivation, and meals interrupted by emergency calls were the best predictors of fast-food score. CONCLUSIONS: This study highlights the various factors associated with firefighters' food behaviors at the fire station.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,014
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0020,000

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 Opus0,071
Tête enseignante GPT0,420
Écart entre enseignants0,348 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Occupational and Environmental MedicineMême sujetOccupational Health and PerformanceTravaux en français237 207