Physical activity and dietary patterns: a health risk behavior cluster pattern analysis of students in a Caribbean medical school
Notice bibliographique
Résumé
Background: Collegial effects of variable lifestyle risk behaviors on the high incidence of chronic conditions are pivotal issues in defining overall health and public wellness. Medical students are expected to have a superior understanding of health issues but the majority of them lead an unhealthy lifestyle. Aims and Objectives: This study examined the prevalence and clustering patterns of multiple health risk behaviors among students of a Caribbean medical school. Materials and Methods: A cross-sectional study was conducted among the first and second-year medical students by using questionnaire which assessed multiple health behaviors including physical activity patterns, fruits, vegetables and breakfast consumption. Age and gender specific clustering patterns of various risk behaviors were identified. Results: Study suggested that male students were more active than female students (p<0.01). Gender non-specific younger age group was more active than older age group (p<0.001). The frequency of breakfast consumption was higher in males (p<0.01). Fruit & vegetable consumption was higher in older students (p<0.01) irrespective of gender. A cluster of three health risk behavior was found in 10% of the total students while only 7% met the recommendations for all three health risk behaviors. BMI of the majority of students (72%) was found to be within normal range. The primary motivation for performing physical activity in 35% students was to lose weight or maintain appearance and in 31% to eliminate stress. Conclusion: Many medical students still fail to meet the physical activity and dietary recommendations which may be attributed to their busy schedules and academic overload. Asian Journal of Medical Sciences Vol.8(4) 2017 50-56
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 | 0,012 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».