ABC Grow Healthy Practices and Obesity‐Related Health Behaviours in Family Child Care Homes in South Carolina
Notice bibliographique
Résumé
BACKGROUND: Many states throughout the United States have introduced Quality Rating and Improvement Systems (QRIS) to address childhood obesity in preschool-age children, but few have examined the impact of these standards in Family Child Care Homes (FCCHs). In South Carolina, the ABC Grow Healthy Practices are specific QRIS items that include diet, physical activity and sleep practices. METHODS: The purposes of this cross-sectional study are to (1) describe physical activity levels, sleep duration and diet quality of children attending FCCHs in South Carolina and (2) compare physical activity levels, sleep duration and diet quality between children attending FCCHs that were enrolled versus not enrolled in the ABC programme. Means and percentages were used to summarize child- and parent-level descriptive characteristics, physical activity levels, diet quality and sleep behaviours overall and by sex, race/ethnicity and ABC participation. t tests and chi-square analyses were used to compare child- and parent-level demographic characteristics as well as child-level behaviours by ABC status. RESULTS: Results revealed low physical activity levels (11.2 ± 4.1 min/h of total physical activity and 5.5 ± 2.6 min/h of moderate and vigorous physical activity) and poor diet quality (Healthy Eating Index 56.0 ± 10.3) in all children. There were statistically significant differences in fat and protein consumption between ABC and non-ABC FCCHs, as well as differences in demographic characteristics. CONCLUSION: Future research is recommended to assess whether strengthening guidelines and improving implementation of obesity prevention standards will improve physical activity levels and diets of children attending FCCHs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».