MétaCan
Menu
Retour à la cohorte
Enregistrement W4417066277 · doi:10.1016/j.nut.2025.113051

Video gaming linked to unhealthy diet, poor sleep quality and lower physical activity levels in Australian university students

2025· article· en· W4417066277 sur OpenAlexaff
Thanaporn Kaewpradup, Svetlana Deric, Hannah Uren, Van Hoang Nguyen, Leticia Radin Pereira, Ranil Coorey, Jonathan C. K. Wells, Sirichai Adisakwattana, Blossom C. M. Stephan, Mario Siervo

Notice bibliographique

RevueNutrition · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Research Council of Thailand
Mots-clésPhysical activityPsychological interventionPublic healthSleep qualitySleep (system call)Quality (philosophy)Public health interventionsQuality of life (healthcare)Cross-sectional study

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Video gaming is highly prevalent among university students, yet its health associations remain poorly understood. This study examined relationships between video gaming frequency and health in Australian university students. METHODS: A cross-sectional survey of 317 Western Australian university students assessed gaming habits, diet quality (Diet Quality Tool), physical activity (International Physical Activity Questionnaire), sleep quality (Pittsburgh Sleep Quality Index), eating behaviors (Three-Factor Eating Questionnaire), and perceived stress (Perceived Stress Scale). Participants were categorized into tertiles based on gaming frequency (low [0-5 h/wk], moderate [6-10 h/wk], and high [>10 h/wk]). RESULTS: High-frequency gamers had significantly poorer diet quality scores (median 45.0 versus 50.0, P < 0.001), higher BMI (median 26.3 versus 22.2 kg/m², P < 0.001), and worse sleep quality (PSQI score 7.0 versus 6.0, P < 0.001) compared to low-frequency gamers. Correlation analyses confirmed these associations in which gaming frequency negatively correlated with diet quality (r = -0.26, P < 0.001) and physical activity (r = -0.13, P = 0.03) and positively correlated with BMI (r = 0.38, P < 0.001). Multiple regression analysis revealed total gaming hours independently predicted poorer diet quality (β = -0.16, P = 0.02) after controlling for demographic and lifestyle factors. CONCLUSIONS: Higher video gaming frequency was associated with poorer diet quality and increased BMI among university students. These findings suggest excessive gaming may contribute to adverse health outcomes. Public health interventions targeting excessive or high gaming levels and promoting healthy lifestyle habits in university populations are warranted.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,033
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,056
Tête enseignante GPT0,411
Écart entre enseignants0,355 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutritionMême sujetImpact of Technology on AdolescentsTravaux en français237 207