参与者入组与基线评估
收集儿童青少年的基线人口统计学、人体测量和生活方式数据,并按入组季节分组。
纳入Whānau Pakari项目(临床试验和临床服务)的397名参与者,进行家庭或社区评估,测量身高、体重、腰围,计算BMI SDS,并通过问卷收集饮食、体力活动、睡眠和屏幕时间信息。
Seasonal variation in BMI outcomes at 6 months: secondary analyses of a multidisciplinary healthy lifestyle programme for children and adolescents with obesity
包含397名参与者的纵向数据分析,使用传统线性模型和随机森林,有明确的统计模型和结果,但属于观察性分析,无干预性实验对照。
397名肥胖儿童和青少年(Whānau Pakari项目参与者) 临床试验队列(158人) 临床服务队列(239人)
入组季节(夏季/秋季/冬季/春季) 基线BMI SDS 年龄 6个月随访时间(183±35天) 饮食和生活方式因素(含甜饮料摄入、体力活动、屏幕时间、睡眠、蔬果摄入)
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
收集儿童青少年的基线人口统计学、人体测量和生活方式数据,并按入组季节分组。
纳入Whānau Pakari项目(临床试验和临床服务)的397名参与者,进行家庭或社区评估,测量身高、体重、腰围,计算BMI SDS,并通过问卷收集饮食、体力活动、睡眠和屏幕时间信息。
评估入组后6个月的人体测量和生活方式变化。
在6个月时重复测量身高、体重、腰围,计算BMI SDS和腰围身高比;通过问卷重新评估饮食、体力活动、睡眠和屏幕时间。
检验入组季节与6个月BMI SDS变化之间的关联,并调整潜在混杂因素。
使用广义线性混合模型(GLMM),以家庭ID为随机截距,固定效应包括季节、基线BMI SDS、年龄、性别、种族、项目队列;使用Fisher精确检验比较BMI SDS降低率;使用多变量广义线性模型评估BMI SDS降低的可能性。
识别影响6个月BMI SDS变化的非线性关系和预测因子重要性。
使用ranger包构建随机森林模型,基础模型包含人口统计学和临床变量,扩展模型加入饮食和生活方式变量;使用重复5折交叉验证评估性能;使用排列重要性评估变量重要性。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 人体测量 | SECA 813数字秤 | SECA | -- |
| SECA 213便携式身高计 | SECA | -- | |
| 数据分析 | SAS 9.4版 | SAS Institute | -- |
| R 4.4.1版 | -- | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 参与者和分组 | 符合纳入标准的儿童青少年,BMI≥98th百分位或≥91st百分位且合并共病;年龄约4至<18岁;按入组季节(气象学定义)分组 阅读提示:Methods: Participants; Statistical analyses: Linear models |
| 结局测量 | 6个月时BMI SDS变化,随访时间183±35天;使用标准方法测量身高和体重 阅读提示:Methods: Data collection; Table 1 |
| 统计模型 | GLMM中包含固定效应:季节、基线BMI SDS、年龄、性别、种族、项目队列;随机截距为家庭ID;随机森林模型的具体参数(如ntree、mtry)未提供 阅读提示:Methods: Statistical analyses: Linear models; Random forest |