Cooking skills in relation to diet quality in children: a cross-sectional analysis
Notice bibliographique
Résumé
Increasing childhood obesity rates and poor eating habits have led health professionals to explore strategies to improve children's dietary intake. One such strategy is the promotion of cooking skills. This study examined the cross-sectional association between children's cooking skills and diet quality, using data from the Guelph Family Health Study. Data from 81 children (mean age of 9.1 years; 74.1% White) from 68 families were included. Children self-reported their cooking skills using items from the Tool for Food Literacy Assessment in Children, and parents reported their children's dietary intake using the Automated Self-Administered 24-Hour Dietary Assessment Tool (ASA-24) from which diet quality was determined using the Healthy Eating Index (HEI-2020). Linear regression models with generalized estimating equations were used to explore associations between child cooking skills and HEI-2020 total and component scores, adjusted for child age and sex, household income, and intervention status. Mean child cooking skills score (out of a maximum of 4) was 3.08 ± 0.68, and mean HEI-2020 total score (out of a maximum of 100) was 60 ± 12.99. Child cooking skills score was not significantly associated with HEI-2020 total score (ß = −0.78, 95% CI (−4.88, 3.33 p = 0.71), but significantly associated with HEI-2020 Total Vegetables component score (ß = 0.47, 95% CI (0.05, 0.89, p = 0.03). These findings highlight the need for more research, especially longitudinal, to help determine the association between child cooking skills and their diet quality.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».