Caregiver feeding practices for infants and toddlers and their eating behaviors in Singapore
Notice bibliographique
Résumé
Introduction Research on early childhood caregiver feeding practices and eating behaviors is limited, especially within Asian populations. This study examined these practices across key feeding domains of variety, autonomy, and mealtime setting and timing, stratified by three age groups: 0 to <7 months, 7 to <13 months, and 13 to <36 months. Methods A cross-sectional survey of 1,307 caregivers from a multi-ethnic population in Singapore captured demographic data, feeding practices, child eating behaviors, and caregivers’ knowledge, attitudes, and practices. One-way analysis of variance (ANOVA), independent T-tests and the chi-square test were used to assess feeding practices and eating behaviors across age groups. Results Regarding dietary variety, 14.8 and 6.1% of infants aged 7 to <13 months were offered three or fewer food groups frequently and daily, respectively. Additionally, 11.9% of infants were receiving processed foods often. At this age, only 1.0% of infants were consuming sugar-sweetened beverages (SSBs) often, while 2.0% consumed them daily. Among older children (aged 13 to <36 months), 8.1% were offered a limited variety of three food groups, while 4.5% were offered fewer than three. In contrast, a significantly higher proportion frequently consumed processed foods (24.0%) and sugar-sweetened beverages (25.2%; p < 0.05). In terms of autonomy, only 75.4% of infants (7– < 13 months) and 89.5% of older children (13– < 36 months) were able to self-feed. Caregivers of older children (13– < 36 months) were less likely to recognize hunger and satiety cues compared to those of infants (0–< 13 months; p < 0.05). Older children (13– < 36 months) also more frequently required special mealtime settings (36.6%), viewed screens during meals (29.9%), and were less likely to be offered post-midnight meals nightly (22.6% compared to infants; 70.3%; 0–< 13 months; p < 0.05). Conclusion These findings underscore the need for culturally tailored educational interventions to improve suboptimal feeding practices in children under three in Singapore’s multiethnic population.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».