Utiliser la théorie du comportement planifié pour prédire les facteurs influençant rapidement

May 29, 2023

BMC Public Health volume 23, Article number: 987 (2023) Citer cet article

393 accès

2 Altmétrique

Détails des métriques

Le but de cette recherche est d'examiner les facteurs comportementaux qui ont un impact sur la consommation de restauration rapide (FFC) chez les étudiants au Pakistan en appliquant la théorie du comportement planifié (TPB).

Une enquête transversale a été distribuée à des étudiants au Pakistan. Le questionnaire examine les facteurs associés à six catégories : la démographie, le modèle FFC, l'intention de FFC, les attitudes envers FFC, les normes subjectives (SN) et le contrôle comportemental perçu (PBC). L'analyse des données a été effectuée à l'aide des logiciels SPSS et SPSS AMOS à l'aide de statistiques descriptives, de statistiques inférentielles (chi-carré, test t, corrélation de Pearson et analyse de régression multiple) et d'une analyse de modélisation d'équations structurelles (SEM).

Au total, 220 questionnaires ont été remplis (97 hommes et 123 femmes). Il y avait des différences significatives dans l'association FFC avec le sexe. Parmi les construits du TPB, l'intention comportementale (BI) et le SN sont les prédicteurs les plus puissants du FFC (p < 0,05). TPB a prédit de manière significative le comportement FFC avec une variance de R2 0,603. L'analyse SEM montre que les données collectées étaient incompatibles avec le modèle théorique TPB, rendant impossible le test de nos cinq hypothèses ou l'interprétation des résultats en raison du mauvais ajustement du modèle aux données.

Pour assurer un bon ajustement des données avec le modèle TPB spécifié dans l'analyse SEM, le nombre d'indicateurs doit être limité (≤ 30), ou la taille de l'échantillon doit être plus grande (N ≥ 500). Le FFC des étudiants pakistanais est principalement influencé par les amis et la popularité croissante de la restauration rapide, malgré leur connaissance de ses effets négatifs sur la santé. Les programmes éducatifs devraient cibler les effets nocifs spécifiques de la restauration rapide, et SN et BI sont les prédicteurs les plus puissants de FFC parmi les constructions TPB. Ces résultats peuvent être utiles pour développer des stratégies de santé interventionnelles ciblées et des recherches futures.

Rapports d'examen par les pairs

Récemment, les restaurants de restauration rapide sont souvent considérés comme un régal spécial pour les enfants [1], ce qui contribue à la prévalence croissante de l'obésité et d'autres maladies liées à l'alimentation [1, 2]. En 2016, plus de 340 millions d'enfants et de jeunes adultes âgés de 5 à 19 ans étaient en surpoids ou obèses [3]. En 2020, 39 millions d'enfants de moins de 5 ans ont été diagnostiqués obèses ou en surpoids [4]. Depuis 1975, l'obésité mondiale a presque triplé, avec plus de 1,9 milliard d'adultes de plus de 18 ans en surpoids et plus de 650 millions obèses [5].

De plus, il existe maintenant plusieurs maladies non transmissibles directement liées aux régimes alimentaires à base de restauration rapide [6]. Ceux-ci incluent l'obésité, les maladies cardiovasculaires, le diabète sucré de type 2, l'hypertension et un risque accru d'accident vasculaire cérébral [7]. Une étude a rapporté une corrélation claire entre la consommation régulière de fast-food (FFC) et la prise de poids ainsi qu'un risque accru de résistance à l'insuline sur 15 ans. Les personnes qui mangeaient dans des restaurants fast-food plus de deux fois par semaine ont pris en moyenne 4,5 kg de poids en plus et ont connu une augmentation de 104 % de leur résistance à l'insuline par rapport à celles qui mangeaient moins d'un repas fast-food par semaine, les deux au début et fin de l'étude [8].

Les adolescents ont une forte tendance à consommer des produits de restauration rapide à forte densité énergétique, ce qui conduit à d'importantes recherches scientifiques dans ce domaine [1]. Cette préférence pour la restauration rapide est particulièrement répandue dans les pays à revenu faible ou intermédiaire comme le Pakistan et est souvent considérée comme une transition nutritionnelle des régimes alimentaires traditionnels vers un régime plus occidentalisé, qui se caractérise par une consommation excessive d'aliments riches en graisses et transformés, ainsi que des boissons sucrées et des sucreries [9, 10]. Les changements culturels de FFC au Pakistan sont motivés par la normalisation des régimes de restauration rapide chez les jeunes adultes et les adolescents, la commodité des options de restauration rapide occidentales, les prix compétitifs et l'utilisation de célébrités dans le marketing [11]. D'autres thèmes incluent l'influence de la pression des pairs et de la restauration rapide comme solution rapide pour les parents occupés [12, 13]. Cela conduit à la popularité croissante de la restauration rapide, qui croît actuellement à un taux de 20% par an au Pakistan [14].

Le fardeau de l'obésité dans les pays en développement, y compris le Pakistan, a considérablement augmenté. La disponibilité accrue de la restauration rapide et l'augmentation des modes de vie sédentaires ont fait que ¼ de la population pakistanaise est désormais obèse [15, 16]. En 2018, il a été signalé que 16,2 % des étudiants qui étudiaient au Pakistan étaient obèses et 15 % étaient en surpoids [16], ce qui indique que la jeune génération pakistanaise court un risque accru de décès prématuré et de mauvaise santé en raison de complications liées à l'obésité. Les adolescents de sexe masculin sont ceux identifiés comme faisant de moins bons choix lorsqu'ils consomment des aliments de restauration rapide [17, 18].

L'évaluation et l'évaluation de la consommation de restauration rapide chez les adolescents et les jeunes adultes sont cruciales pour détecter les facteurs associés au surpoids et à l'obésité [19]. L'identification de facteurs influents tels que les préférences alimentaires, les habitudes alimentaires familiales et les normes sociales peut guider les interventions favorisant des comportements alimentaires sains [20]. La théorie du comportement planifié (TPB) est un modèle bien connu qui prédit le comportement alimentaire en fonction des normes et des croyances liées à la consommation de restauration rapide et de collations [21, 22]. Dérivée de la théorie de la raison-action (TRA), la TPB explique les comportements de santé qui ne sont pas entièrement sous le contrôle d'un individu. De plus, la TPB permet une bonne compréhension des attitudes et des intentions des gens concernant leurs choix alimentaires [23]. Il est également noté que le contrôle comportemental perçu (CBP) est l'aspect le plus significatif de la TPB [24]. Le TPB détaille comment les influences sur un individu déterminent sa décision de suivre un comportement particulier. De plus, la TPB est efficace car elle inclut ces principaux construits : attitudes, normes subjectives (SN), PBC et intentions [21, 23].

Selon le TPB, «l'attitude» est l'évaluation positive ou négative d'une personne d'un résultat particulier lié à un comportement, comme manger de la restauration rapide [25]. L'attitude a deux composantes : l'attitude affective, qui reflète les émotions d'une personne, et l'attitude cognitive, qui reflète ses connaissances ou ses croyances. Les attitudes positives sont plus susceptibles de soutenir l'intention comportementale (IB), tandis que les attitudes négatives sont plus susceptibles de l'entraver [26, 27]. Le concept de CBP englobe deux dimensions, la perception du contrôle et l'auto-efficacité [28]. La perception du contrôle est liée à des facteurs externes tels que l'accessibilité, la difficulté de la tâche et le comportement des autres, tandis que l'auto-efficacité implique des facteurs internes tels que la motivation, la capacité et la personnalité [29]. Le TPB postule que les deux dimensions de la CBP facilitent la formation de (BI) pour les actions positives et entravent l'intention des actions négatives. Le SN fait référence à la perception qu'a un individu de l'influence sociale qui l'encourage ou le décourage à adopter un comportement particulier. Ces perceptions reposent sur les attitudes d'individus significatifs, dits référents, qui approuvent ou désapprouvent le comportement en question [30].

Le TPB prédit et explique une gamme de comportements et d'intentions en matière de santé, notamment le tabagisme, l'alcool, l'utilisation des services de santé, l'allaitement et la consommation de substances. Les constructions de TPB représentent collectivement le contrôle réel d'une personne sur le comportement [31]. Selon le TPB, le désir d'action d'une personne sera plus élevé s'il a des opinions plus favorables sur ce qu'il entreprend, son PBC et le SN. Une intention plus forte, en plus d'avoir un contrôle comportemental perçu, indique une probabilité plus élevée d'achever le comportement [32].

Une revue systématique récente des choix alimentaires a montré que les attitudes des gens sont fortement corrélées avec l'intention, le SN et le PBC, et l'intention a une forte association avec le comportement par rapport au PBC [33]. La littérature actuellement disponible a tendance à explorer la TPB dans les pays occidentaux à revenu élevé, avec des données limitées disponibles pour les pays à faible revenu. Par conséquent, il y a plusieurs considérations à prendre en compte par les chercheurs en raison du caractère unique de l'application de telles recherches à un pays à faible revenu comme le Pakistan. Par exemple, le statut socio-économique représente la cause fondamentale sous-jacente de la malnutrition et est composé de plusieurs variables telles que le type d'installations sanitaires, la source d'eau potable et les infrastructures de logement [34, 35]. Un statut socio-économique médiocre est directement lié à l'analphabétisme, au chômage, à un pouvoir d'achat réduit et à de mauvais résultats en matière de santé et de nutrition [36]. Des études menées en Chine, au Mexique et dans des pays d'Afrique subsaharienne ont montré un risque plus élevé de coexistence d'un retard de croissance avec surpoids/obésité chez les enfants de la classe socio-économique inférieure que chez les enfants de la classe socio-économique supérieure. De plus, au Pakistan, le double fardeau de la malnutrition devient de plus en plus apparent, avec près d'un enfant sur trois souffrant d'insuffisance pondérale (28,9 %) et une forte prévalence de surpoids (9,5 %) [37].

Compte tenu de ces différences au Pakistan par rapport aux FFC occidentalisés à revenu élevé, il n'est pas clair si un modèle qui prédit certains paramètres liés aux FFC fonctionnera dans les pays à faible revenu. Par conséquent, il semble nécessaire de tester l'utilité des modèles dans chaque groupe. Cette étude examine les déterminants de la consommation de restauration rapide chez les étudiants au Pakistan, en utilisant le modèle TPB pour améliorer la prévisibilité de l'intention et du comportement. En outre, cette étude ajoutera plus de littérature sur les habitudes FFC des étudiants dans un pays très densément peuplé comme le Pakistan. Par conséquent, le but de cette recherche est d'examiner les facteurs comportementaux qui ont un impact sur le FFC chez les étudiants au Pakistan en appliquant la TPB. Les résultats aideraient à planifier des programmes d'intervention en nutrition.

Le TPB a été largement utilisé et les résultats montrent que les attitudes, le SN et le PBC expliquent une grande partie de la variation dans une variété de comportements [38]. Selon l'étude menée sur des jeunes amérindiens, SN et PBC prédisent 30 % de la variance de l'intention d'adopter des comportements alimentaires plus sains [39]. Lorsque la TPB a été appliquée à la consommation d'aliments génétiquement modifiés, le pouvoir explicatif du modèle était de 44,4 %, l'attitude étant le prédicteur le plus fort [40], alors que dans les études sur la consommation d'aliments biologiques, le SN et l'attitude étaient le prédicteur le plus important de l'intention [41] . Dans cette étude, nous visons à tester les hypothèses suivantes basées sur le modèle TPB comme indiqué dans la Fig. 1 :

H1 : Une attitude favorable prédit l'intention de consommer de la restauration rapide.

H2 : SN prédit l'intention de consommer de la restauration rapide.

H3 : PBC prédit l'intention de consommer de la restauration rapide.

H4 : PBC prédit FFC.

H5 : Les intentions comportementales prédisent le FFC.

Modélisation des variables latentes de la TPB dont les hypothèses sont testées au SEM

Cette étude transversale a été menée sur des étudiants de la région du Pendjab au Pakistan en 2020. Un échantillonnage raisonné a été utilisé dans cette recherche. L'objectif de cette étude était d'examiner les comportements FFC chez les étudiants basés sur TPB. Les critères d'inclusion de l'étude étaient les étudiants âgés de plus de 16 ans, qui est l'âge moyen des étudiants au Pakistan. Tous les étudiants qui suivaient un régime alimentaire spécial tel qu'un régime d'intervention nutritionnelle et ceux qui consommaient des médicaments pour les maladies gastro-intestinales ont été exclus de l'étude de recherche. Un nombre total de 220 étudiants de niveau collégial ont été recrutés pour cette étude.

Cette étude a utilisé le questionnaire de Mirkarimi et ses collègues pour enquêter sur le comportement FFC chez les étudiants au Pakistan en utilisant TPB [42]. Le questionnaire était divisé en six catégories (démographie, modèle FFC, intention de consommer de la restauration rapide, attitudes envers FFC, SN et PBC), comprenait 52 questions et une échelle de Likert à 4 points (1 : pas du tout, 2 : un peu, 3 : assez, 4 : beaucoup) [42]. Ce questionnaire a été initialement testé puis appliqué en Iran. La validité apparente a été examinée par trois spécialistes en éducation à la santé et deux spécialistes en nutrition, et sa validité de contenu a été examinée par sept spécialistes en éducation à la santé et deux spécialistes en nutrition [42]. Le Pakistan a des cultures d'enseignement et d'apprentissage, d'enseignement primaire, secondaire et supérieur, ainsi que des établissements de soins de santé similaires à ceux de l'Iran [43, 44]. Par conséquent, l'utilisation de ce questionnaire est considérée comme appropriée pour cette recherche au Pakistan.

La première section du questionnaire comprend des questions sur la taille, le poids, l'IMC, l'éducation de la mère, l'éducation du père, l'intérêt pour la santé, l'intérêt pour le contrôle du poids et avec qui ils mangent habituellement. La deuxième section portait sur les modèles de FFC. Il contient des questions sur le type de restauration rapide le plus consommé (hamburger, frites, pizza, beignets et poulet frit), les raisons de consommer de la restauration rapide, avec qui ils aiment manger de la restauration rapide et les endroits où ils mangent de la restauration rapide.

Cette partie contenait 39 questions concernant les quatre construits du TPB (BI, attitudes, SN et PBC). Ces questions ont été évaluées à l'aide d'une échelle de Likert à 4 points (1 : pas du tout, 2 : un peu, 3 : assez, 4 : beaucoup).

La première section explore le BI pour consommer de la restauration rapide en posant cinq questions sur différents articles de restauration rapide. Des questions sont posées sur l'inclination/l'intention de consommer des hamburgers, des frites, de la pizza, du poulet frit et des beignets au cours d'un mois, telles que « J'ai l'intention de manger des hamburgers dans un mois ». Les scores pour mesurer le BI variaient de 5 à 20.

La deuxième section étudie les attitudes envers FFC en posant 12 questions sur la familiarité, l'état de santé, les nutriments vitaux, le goût, l'attractivité de l'environnement, la taille des portions de restauration rapide, la teneur en énergie et en sel des aliments, la teneur en matières grasses dans les aliments, les croyances sur le devenir surpoids après avoir mangé de la restauration rapide et la relation entre la restauration rapide et le poids corporel. Les scores pour mesurer les attitudes variaient de 12 à 48.

La troisième section étudie le SN en déterminant les croyances normatives et la motivation à se conformer. Il pose neuf questions sur l'impact de la famille, des enseignants et des amis sur les croyances FFC telles que "Je pense que mes amis aimeraient ma consommation de fast-food" ou "Je suis les croyances de ma famille". Les scores pour mesurer le SN variaient de 9 à 27.

La quatrième section explore le PBC vers le FFC en posant 13 questions sur l'utilisation de la restauration rapide. Ces questions sont basées sur la perception de la difficulté à accomplir un comportement. Cette section comprend des questions sur leur réflexion sur la restauration rapide même si peu de points de vente sont à proximité, considérant qu'il est difficile de se rencontrer à différents endroits autres que les magasins de restauration rapide, de manger de la restauration rapide même en suivant un régime ou d'attendre longtemps, de manger de la restauration rapide même si peu de publicités sont diffusées à la télévision ou si les fast-foods proposent peu de promotions de vente, et d'envisager un changement de comportement FFC pour améliorer la santé. Les scores pour mesurer la CBP allaient de 13 à 52.

Des informations détaillées sur le but du projet de recherche, le questionnaire et l'utilisation des données ont été expliquées en personne par le chercheur aux élèves en classe et par téléphone aux parents d'élèves de moins de 18 ans. Le consentement éclairé a été obtenu en personne de tous les participants qui souhaitaient participer et répondaient aux critères d'inclusion. Les parents des 42 élèves âgés de moins de 18 ans ont fourni un consentement verbal par téléphone et ont envoyé le consentement écrit signé à l'école avec leurs enfants. Des questionnaires ont ensuite été fournis et des explications ont été proposées si les participants avaient besoin de plus d'informations.

Des copies physiques du questionnaire ont été distribuées aux participants qui ont rempli le consentement éclairé, et une brève explication de la tâche a été donnée par le chercheur. Après avoir rempli le questionnaire, les participants ont été invités à le mettre dans une enveloppe et à le déposer dans la boîte de collecte de données fournie. Après la collecte, toutes les données ont été anonymisées et les participants ont été autorisés à se retirer de l'étude à tout moment. Des mesures anthropométriques ont été proposées aux participants qui ne connaissaient pas leur taille et leur poids exacts.

La modélisation par équation structurelle (SEM) est utilisée pour évaluer les relations causales multivariées, ainsi que les effets directs et indirects entre les variables pour un modèle d'intérêt à variables latentes a priori [45]. Il s'agit d'une combinaison d'analyse factorielle confirmatoire et d'analyse de trajectoire. L'analyse de chemin trouve des relations causales entre les variables dans un chemin défini, et l'analyse factorielle confirmatoire estime les traits abstraits en testant les hypothèses théoriques par rapport aux données collectées [45, 46]. SEM suppose la linéarité et l'unidimensionnalité parmi ses variables, ce qui le différencie de la modélisation de régression. Les diagrammes de causalité produits par SEM donnent également lieu à l'interprétation causale d'équations structurelles non paramétriques [46]. SEM mesure l'influence de plusieurs variables les unes sur les autres simultanément avec les relations définies par un modèle spécifié [45]. Dans cette étude, SEM a été appliqué pour tester le modèle TPB hypothétique décrit précédemment dans la Fig. 1.

Les indices de qualité de l'ajustement sont utilisés pour tester dans quelle mesure les données bien observées correspondent au modèle basé sur la théorie [47]. Les indices utilisés pour évaluer l'ajustement du modèle étaient le chi carré (χ2), l'indice de Tucker-Lewis (TLI), l'indice d'ajustement comparatif (CFI) et l'erreur quadratique moyenne d'approximation (RMSEA) comme recommandé par Garver et Mentzer [48]. TLI compare l'ajustement d'un modèle proposé à un modèle nul et mesure la parcimonie en comparant les degrés de liberté du modèle proposé au modèle nul. Le CFI est une valeur d'indice de non-centralité qui tient compte des effets de taille d'échantillon. Le RMSEA mesure la différence entre les valeurs observées et estimées de la matrice de covariance par degré de liberté et est mesuré en termes de population plutôt que d'échantillon [45]. Une faible valeur de chi carré ne démontre aucune signification dans la différence entre le modèle hypothétique spécifié et les données, démontrant ainsi un bon ajustement. Cependant, comme le test du chi carré est sensible à la taille de l'échantillon, en particulier lorsque l'échantillon est supérieur à 200, un rapport de la valeur du chi carré aux degrés de liberté est utilisé pour évaluer la qualité de l'ajustement [45]. Un bon ajustement du modèle est obtenu lorsque TLI > 0,90, CFI > 0,90, RMSEA < 0,05 [45], et lorsque le rapport de la valeur du chi carré aux degrés de liberté est inférieur à 3 [49].

L'analyse SEM a été effectuée à l'aide de SPSS 29.0.0.0 et SPSS AMOS 26. Les modèles de FFC, l'intention de consommer de la restauration rapide, l'attitude envers FFC, le SN pour FFC et PBC envers FFC ont été identifiés comme les variables latentes du modèle TPB, avec chacun l'item du questionnaire par catégorie latente étant les variables observées à travers lesquelles les variables latentes deviennent mesurables.

Des statistiques descriptives telles que la moyenne, l'écart type, la fréquence et les pourcentages ont été appliquées avec un test t et un chi carré indépendants. Toutes les analyses statistiques ont été effectuées à l'aide du logiciel SPSS 17.0. Le test T a été appliqué pour l'évaluation de l'attitude, SN pour FFC et PBC pour FFC. Le coefficient de corrélation de Pearson et la régression linéaire multiple ont été utilisés pour étudier l'association entre toutes les constructions du TPB et du FFC. Le FFC était la variable dépendante dans cette étude tandis que les caractéristiques générales, les constructions de l'intention de TPB, le SN, le comportement et les attitudes liés au FFC ont été identifiés comme les variables indépendantes.

Un total de 250 questionnaires ont été distribués aux participants à la recherche, dont 30 enquêtes étaient incomplètes et retirées de l'analyse des données, laissant 220 étudiants (97 hommes et 123 femmes) inclus. Des mesures de la taille, du poids et de l'IMC ont été prises pour tous les participants. Selon les classifications de l'IMC, 129 étudiants (68 hommes, 61 femmes) avaient un IMC normal, 62 étudiants (17 hommes, 45 femmes) avaient un poids insuffisant, 20 étudiants (8 hommes, 12 femmes) étaient en surpoids et neuf étudiants (4 hommes et 5 femmes) étaient obèses. Les résultats du chi carré ont montré une association statistiquement significative entre le sexe et les catégories d'IMC (13,2 (p = 0,004). Quatre-vingt-dix étudiants avaient un intérêt élevé pour la santé, tandis que 68 étudiants ont montré un intérêt moyen. Dans l'ensemble, la plupart des étudiants étaient intéressés à contrôler et à maintenir leur poids à un IMC sain. L'association entre le sexe et la question « avec qui mangez-vous habituellement » était également statistiquement significative avec une valeur de p de 0,015. De l'échantillon total, 137 étudiants (56 hommes et 81 femmes) ont déclaré manger Les détails des caractéristiques des élèves et les résultats du chi carré sont présentés dans le tableau 1.

Le modèle de FFC parmi les étudiants universitaires est présenté dans le tableau 2. L'association entre le sexe et le type de restauration rapide consommée était statistiquement significative (p = 0,008) avec un chi carré de 13,92 ; les femmes ont tendance à manger plus de frites et de pizza alors que la consommation de poulet frit était plus importante chez les hommes. De plus, il y avait une association statistiquement significative entre le sexe et les raisons du FFC avec une valeur p de 0,005 et une valeur chi carré de 15,040. Par exemple, 73 étudiantes ont déclaré qu'elles mangeaient de la restauration rapide lors d'occasions spéciales, tandis que plus d'étudiants masculins mangeaient de la restauration rapide lorsqu'ils étaient avec des amis. La plupart des étudiants consomment de la restauration rapide avec leurs amis (n = 102) et l'association entre cette catégorie et le sexe était statistiquement significative avec une valeur de p de 0,007 et une valeur de chi carré de 13,93. Dans l'ensemble, plus d'élèves, en particulier les filles, considéraient la restauration rapide comme une collation plutôt que comme un véritable repas.

Les scores moyens du BI et des attitudes étaient plus élevés pour les étudiantes, tandis que les scores moyens du SN et du PBC étaient plus élevés pour les garçons. Cependant, ces résultats n'étaient pas statistiquement significatifs (p > 0,05). La seule association statistiquement significative était entre la moyenne de la CBP et le sexe (p = 0,025). Les détails du score moyen et des tests statistiques des constructions du TBP sont présentés dans le tableau 3.

Le tableau 4 présente le coefficient de corrélation de Pearson entre la fréquence FFC, le BI, l'attitude, le SN et le PBC. Cela met en évidence la force de l'association entre les variables. Certaines variables étaient significativement corrélées entre elles, notamment. Notamment, FFC était fortement corrélé avec BI (0,767), alors que les autres constructions étaient modérément corrélées entre elles.

Une analyse de régression multiple a été effectuée pour étudier la relation entre les différentes constructions du TPB. Cette analyse montre qu'il n'y avait pas d'effet statistiquement significatif de l'attitude sur BI mais il y avait un effet significatif de SN (β = 0,262, p < 0,001) et PBC (β = 0,164, p < 0,001) sur BI. Ainsi, SN et PBC sont des prédicteurs de BI. Le tableau 5 présente un résumé de l'analyse de régression multiple démontrant l'effet de l'attitude, du SN et du PBC sur le BI. De plus, l'effet de BI et SN sur FFC a été calculé et les résultats ont été résumés dans le tableau 6 qui présente un résumé de la régression multiple : effet de BI, SN sur la fréquence de FFC. R2 = 0,603 montre que 60 % de la variation du FFC est attribuable au BI et au SN. Il y avait une association significative entre BI (β = 0,717, p < 0,001) et SN (β = 0,131, p.005) et FFC, ce qui suggère que BI et SN sont de puissants prédicteurs de FFC.

L'alpha de Cronbach mesure la cohérence interne d'un construit, avec ses valeurs allant de 0 à 1. La cohérence interne évalue dans quelle mesure tous les éléments d'un construit mesurent le même concept. À mesure que la valeur alpha augmente, la proportion du score au test attribuable à l'erreur diminue [50]. La valeur alpha est sensible à la corrélation entre les items, la dimensionnalité et la longueur du questionnaire. Une plus grande corrélation entre les éléments diminue la valeur alpha, les valeurs alpha ne sont applicables que lorsque les éléments de test sont unidimensionnels, et la valeur alpha est directement proportionnelle à la longueur du questionnaire par construction [50]. Pour les construits de moins de dix items, une valeur alpha de Cronbach supérieure à 0,5 démontre une bonne fiabilité. Pour les construits à dix items ou plus, un alpha de Cronbach supérieur à 0,7 démontre une bonne fiabilité [51, 52]. Dans le tableau 7, les construits d'attitude (0,585), d'intention (0,445) et de comportement (0,022) ont des valeurs alpha de Cronbach faibles, ce qui indique que les items utilisés pour mesurer ces construits ont une faible fiabilité. Les construits SN (0,616) et PBC (0,783) ont des valeurs alpha de Cronbach acceptables compte tenu du nombre d'items, démontrant que les items utilisés pour mesurer les construits donnés ont une bonne fiabilité.

Le tableau 8 répertorie les indices de qualité de l'ajustement pour les données lors de leur ajustement initial au modèle hypothétique, et après modification pour améliorer l'ajustement. Les données collectées ne démontrent pas un ajustement adéquat avec le modèle hypothétique TPB en raison des valeurs de TLI, CFI et RMSEA ne répondant pas aux exigences minimales. Le modèle a été modifié en supprimant les variables mesurées avec de faibles saturations factorielles avec des valeurs inférieures à 0,5 [53]. Un total de huit variables mesurées avec de faibles saturations factorielles ont été supprimées. Le modèle a ensuite été modifié à l'aide d'indices de modification produits par SPSS AMOS pour tenir compte des corrélations résiduelles [53]. Au total, 34 corrélations résiduelles ont été ajoutées au modèle. Malgré la modification, les données ne répondent pas à toutes les exigences pour démontrer un bon ajustement avec le modèle théorique. Bien que le RMSEA s'améliore et réponde à l'exigence minimale pour que les données correspondent bien au modèle hypothétique modifié, les valeurs TLI et CFI sont inférieures à 0,90. Par conséquent, les données ne démontrent pas un bon ajustement avec le modèle théorique. En conséquence, l'unidimensionnalité des variables ne peut pas être évaluée [45], ainsi que les coefficients entre les variables latentes pour évaluer les principes du modèle TPB hypothétique de la Fig. 1.

Cette étude a examiné l'état du FFC chez les étudiants masculins et féminins au Pakistan. Les résultats de l'analyse SEM démontrent une incompatibilité entre les données collectées et le modèle théorique TPB avec lequel elles ont été ajustées. Par conséquent, les cinq hypothèses du modèle TPB décrites dans la figure 1 ne peuvent pas être testées et les résultats de l'analyse SEM ne peuvent pas être interprétés en raison du mauvais ajustement du modèle aux données. Néanmoins, les statistiques descriptives et les analyses de régression permettent d'observer les relations entre les constructions TPB d'intérêt.

Les résultats de notre analyse de régression multiple indiquent que les constructions TPB (SN et BI) manifestent positivement le comportement de FFC. La plupart des participants (58,2 %) avaient un IMC normal, tandis que 9,1 % et 4,1 % étaient respectivement en surpoids et obèses. Le pourcentage d'étudiants en surpoids est supérieur au pourcentage rapporté dans des études similaires. Par exemple, les résultats d'une étude menée sur des élèves de collège (collège/primaire) à Séoul ont montré que 1,4 % des participants étaient en surpoids [1]. Notre étude a également interprété les étudiantes (46,3 %) comme étant plus préoccupées par leur poids que les étudiants (34 %). C'était une découverte intéressante car une étude similaire menée aux États-Unis par Hyun-sun Seo a noté que les étudiants masculins étaient plus préoccupés par leur poids et leur santé dans la culture universitaire américaine que les étudiantes [54].

Dans cette étude, la plupart des étudiantes considéraient la consommation de fast-food comme des collations tandis que les étudiants masculins la considéraient comme des repas, ce qui est en accord avec plusieurs études [54, 55]. Cela peut avoir une certaine intercorrélation avec l'idée que les étudiantes réfléchissent à leur apport calorique quotidien et ont tendance à contrôler leur poids. Plusieurs études suggèrent que les programmes d'éducation nutritionnelle sur le contenu énergétique de la restauration rapide peuvent aider à prévenir la surconsommation de la restauration rapide comme les collations. Cette étude a également montré que les étudiants consommaient majoritairement de la restauration rapide près de chez eux (32,3%) et lors de sorties entre amis (42,7%). Certains étudiants ont également déclaré consommer de la restauration rapide lorsqu'ils faisaient leurs courses ou socialisaient dans les zones urbanisées de la ville et du centre-ville. L'étude de Hyun-sun Seo a également suggéré que la plupart des étudiants choisissent de manger et de socialiser dans les restaurants fast-food de la ville plutôt que de jouer à la maison ou à l'école [54].

Notre étude présentait le score moyen de BI étant de 10,95 ± 5,336 pour le FFC. Le FFC était fortement corrélé avec le BI sur la base de l'analyse de la corrélation de Pearson du coefficient. Ces résultats ont indiqué que la plupart des étudiants comprenaient que la restauration rapide n'était pas bonne pour leur santé et apprécient les risques associés à un régime de restauration rapide. Cependant, certaines études suggèrent que les connaissances nutritionnelles liées aux effets nocifs des FFC ne sont pas suffisantes et que cela pourrait affecter les attitudes et les comportements des participants vis-à-vis de leurs choix alimentaires [56, 57]. Compte tenu des données, les programmes d'intervention nutritionnelle pourraient fournir des informations aux étudiants sur les effets nocifs de la restauration rapide et peuvent avoir un certain impact sur leur FFC. Cependant, cette suggestion doit encore être étudiée dans de futures études.

Cette étude a montré que les amis ont le plus d'impact sur le FFC des élèves dans la catégorie des SN. La somme totale de la moyenne des amis était plus élevée que celle de la famille et des enseignants. Le résultat a également suggéré que le système éducatif devrait répertorier les amis comme groupe cible pouvant affecter la consommation de restauration rapide. La même conclusion a été interprétée par d'autres études avec des résultats similaires [6, 54].

Le PBC était modéré avec un score de 31,73 sur 52. Les étudiants masculins ont rapporté un niveau plus élevé de PBC (33,88) que les étudiantes (30,06). Cela implique que les facteurs externes n'affectent pas autant la consommation de restauration rapide chez les étudiants masculins que chez les étudiantes. Une étude similaire menée par Kamal Mirkarimi a montré des résultats similaires chez les étudiants masculins ayant des scores plus élevés de CBP [55].

Lorsque le coefficient de corrélation de Pearson a été appliqué entre les constructions de TBP et FFC, FFC était fortement corrélé avec BI. L'attitude, le SN et le PBC étaient modérément corrélés au FFC. Cependant, nous n'avons pas pu tester les hypothèses de ces modèles TPB en raison du mauvais ajustement du modèle avec les données et de l'incompatibilité entre les données collectées et le modèle théorique TPB dans l'analyse SEM. Dans une étude similaire, l'intention de consommer de la restauration rapide a été observée comme un puissant prédicteur de la fréquence des FFC [58]. L'analyse de régression a montré que SN et PBC sont les meilleurs prédicteurs de BI. Cependant, certaines études ont conclu des résultats différents tels que Yarmohammai et ses collègues et Dunn et ses collègues qui ont rapporté que l'attitude était le facteur prédictif le plus significatif de BI [27, 59]. En ce qui concerne FFC, SN et BI ont été observés comme les prédicteurs les plus forts de FFC avec un R2 de 0,603. Ce résultat est cohérent avec une étude d'Ebadi et ses collègues, qui suggère que le BI est un puissant prédicteur de FFC [60]. À partir de ces résultats, cette étude peut suggérer que des prédicteurs forts devraient être ciblés lors de la planification de l'intervention pour changer les habitudes alimentaires des étudiants.

Une étude menée dans un lycée en Iran a montré que TPB expliquait la variance avec un taux de 25,7% d'intentions avec l'attitude comme prédicteur le plus fort (B = 0,31, P < 0,001) et SN comme facteur le plus faible (B = 0,29, P < 0,001) [61]. Une autre étude menée à Séoul a utilisé le TPB pour évaluer les facteurs qui influencent le FFC [1]. Il a conclu que TPB présentait des comportements FFC avec un R2 relativement élevé autour de 0,6. À l'aide de régressions multiples, il a été observé que le FFC était significativement lié au BI (b = 0,61, P < 0,001) et au PBC (b = 0,19, P < 0,001). De plus, BI était expressivement lié à SN (b = 0,15, P < 0,01) et PBC (b = 0,56, P < 0,001) [1]. Lorsque les différences entre les sexes ont été étudiées à l'aide de TPB, il a été reconnu que le comportement alimentaire des garçons était prédit par le SN et le PBC, tandis que le comportement alimentaire des filles était prédit par les attitudes, le SN et l'auto-efficacité [62]. Une autre étude a indiqué que les raisons invoquées par les étudiants pour manger de la restauration rapide étaient parce que c'était peu coûteux, ainsi que le plaisir de son goût, et comment les participants aimaient manger de la restauration rapide avec leurs amis [54]. Un plus grand nombre d'étudiants de sexe masculin ont déclaré avoir participé à des repas dans des restaurants de restauration rapide par rapport aux étudiantes [54].

Les données suggèrent que ces comportements sociaux et la consommation de restauration rapide occidentalisée ont un impact sur la culture traditionnelle selon laquelle les repas seraient toujours consommés par une famille à la maison. De plus, l'évolution des goûts vers les options de restauration rapide occidentales augmente en raison de la rentabilité et de la capacité à consommer rapidement des aliments.

À notre connaissance, il s'agit de la première étude à enquêter sur les facteurs comportementaux qui ont un impact sur le FFC des étudiants au Pakistan en appliquant la TPB. Il utilise un questionnaire complet et recueille une quantité importante de données liées à l'association entre les constructions TBP et FFC. Pour analyser les données, cette étude utilise des tests statistiques complets qui incluent des statistiques descriptives, le chi carré, le test t, le coefficient de corrélation de Pearson, la régression linéaire multiple et le SEM. Néanmoins, cette étude présente quelques limites. Il ne comprenait qu'un petit échantillon d'étudiants et n'incluait pas certains facteurs tels que la quantité d'apport énergétique et les macro et micronutriments qui peuvent avoir un impact direct sur l'augmentation du risque de développer des maladies liées aux FFC. Par conséquent, il est recommandé de répéter cette étude avec un échantillon plus large incluant ces facteurs.

Les limites qui découlent de l'analyse SEM sont évidentes dans la faible cohérence interne observée pour chaque élément construit. Si les variables observées associées à une variable latente donnée sont incapables de fournir à la variable latente une dimension mesurable, cela abaisse la valeur alpha de Cronbach, démontrant ainsi que la relation linéaire de la variable observée à la latente n'est pas applicable. De plus, l'étude est affectée par le biais de la méthode commune [63] dû à l'adaptation du questionnaire de Mirkarimi et ses collègues sans modification ; les questions à connotation positive et négative utilisent les mêmes échelles, limitant ainsi la possibilité d'avoir une collecte uniforme de données et introduisant une variation commune. Cela est évident dans des éléments tels que "Je pense que la restauration rapide n'est pas bonne pour la santé" et "Je pense que la restauration rapide peut nous fournir tous les nutriments vitaux" utilisés pour mesurer la variable latente de l'attitude. Les deux items utilisent l'échelle de Likert à 4 points. En utilisant des items aux connotations opposées sur une même échelle, le questionnaire fait apparaître des variations communes entre les variables mesurées pour une variable latente [63].

De plus, l'analyse SEM est limitée par l'effet de taille du modèle causé par le fait d'avoir trop de variables observées ayant ainsi un grand nombre de degrés de liberté. Cela se traduit par une mauvaise approximation de la distribution du chi carré, empêchant la valeur du chi carré de démontrer la qualité de l'ajustement en raison du test du chi carré rejetant les modèles les plus corrects qui correspondent aux données, donnant ainsi une valeur élevée du chi carré et faible valeur p (< 0,001) [64]. Dans l'analyse SEM, l'augmentation du nombre d'indicateurs conduit à un mauvais ajustement des données avec le modèle spécifié. Le questionnaire utilisé dans cette étude comporte un total de 38 items correspondant aux construits de TPB ; il est recommandé que pour les échantillons où N est d'environ 200, 30 éléments ou moins soient utilisés, sinon N ≥ 500 est recommandé pour les modèles plus grands avec plus d'éléments mesurés [65].

Les résultats de cette étude peuvent enrichir l'ensemble des connaissances sur la nutrition chez les étudiants et soutenir les planificateurs de programmes qui souhaitent améliorer la santé et le bien-être de leurs étudiants. Cela pourrait encourager les jeunes à comprendre les effets néfastes d'un excès de FFC sur la santé et le bien-être. Sur la base des résultats de cette recherche, nous soutenons la suggestion selon laquelle des programmes d'éducation nutritionnelle ciblant la famille et les amis des étudiants contribueraient à minimiser la consommation de restauration rapide [32]. De plus, cette recherche s'est confinée par son caractère transversal. Les participants consomment de la restauration rapide alors qu'ils sont étudiants et il semble que cela soit cohérent et incongru avec les recherches discutées dans d'autres pays. D'autres études de recherche mesurant l'influence de l'acceptation et du rejet du FFC seraient utiles pour approfondir les connaissances dans ce domaine. De plus, comprendre pourquoi les étudiants universitaires participent au FFC tout en connaissant les risques serait une étude utile, examinant potentiellement l'expérience vécue de ces étudiants à l'aide d'une méthodologie phénoménologique. Les collèges travaillant avec des établissements de santé et des institutions gouvernementales qui planifient un programme d'éducation nutritionnelle devraient tenir compte des sciences sociales et des normes sociales lors de la planification de tout changement de comportement, comme le SN et le PBC semblent être suggérés dans l'étude.

Compte tenu des limites de cette étude, les recherches futures pourraient viser à tester des hypothèses basées sur les résultats de cette recherche, par exemple en examinant si des facteurs externes affectent davantage le FFC chez les femmes que chez les hommes. Cependant, nous recommandons que l'analyse SEM pour tester l'hypothèse liée aux construits de TPB soit considérée au stade de la conception de la collecte de données en limitant le nombre d'indicateurs pour faciliter un bon ajustement des données avec le modèle spécifié. De plus, les recherches futures devraient inclure plusieurs groupes d'âge et évaluer d'autres facteurs liés à la nature de la restauration rapide qui peuvent avoir un impact direct sur la santé. Les recherches futures devraient associer les habitudes alimentaires et les FFC à d'autres types de données cliniques objectives et mesurables, permettant aux chercheurs de prouver non seulement l'existence d'un lien entre ces facteurs et diverses maladies non transmissibles, mais également de quantifier l'ampleur de ce lien.

L'utilisation de l'analyse SEM pour tester l'hypothèse liée aux construits de TPB nécessite de limiter le nombre d'indicateurs (≤ 30) ou une plus grande taille d'échantillon (N ≥ 500) pour faciliter un bon ajustement des données avec le modèle spécifié. Les résultats de l'étude suggèrent que la décision des étudiants pakistanais de consommer de la restauration rapide est principalement influencée par leurs amis et la popularité croissante de la restauration rapide au Pakistan, malgré leur connaissance de sa nature malsaine. Par conséquent, les programmes éducatifs visant à réduire les FFC devraient se concentrer sur les effets nocifs spécifiques de la restauration rapide, plutôt que sur une simple connaissance générale de ses impacts négatifs. Les résultats de l'étude indiquent également que parmi les constructions de TPB, SN et BI sont les prédicteurs les plus forts de FFC. Ainsi, les organisations de santé et les établissements d'enseignement supérieur peuvent utiliser nos données pour développer des stratégies d'intervention ciblées en santé. Cette étude offre également des données qui pourraient être utiles dans de futures recherches sociologiques, épidémiologiques, psychologiques et nutritionnelles.

Les ensembles de données utilisés et/ou analysés au cours de l'étude actuelle sont disponibles auprès de l'auteur correspondant sur demande raisonnable.

Indice de masse corporelle

Intention comportementale

Chi carré

Indice d'ajustement comparatif

Consommation de restauration rapide

Erreur quadratique moyenne d'approximation

Modélisation d'équations structurelles

Norme subjective

Contrôle comportemental perçu

Théorie du comportement planifié

Indice de Tucker-Lewis

Seo HS, Lee SK, Nam S. Facteurs influençant les comportements de consommation de restauration rapide des élèves du secondaire à Séoul : une application de la théorie des comportements planifiés. Nutr Res Pract. 2011;5(2):169–v.

Article PubMed PubMed Central Google Scholar

Nyachuba DG. Maladies d'origine alimentaire : sont-elles en augmentation ? Nutr Rev. 2010;68(5):257–69.

Article PubMed Google Scholar

OMS. Surpoids et obésité. 2021. https://www.who.int/news-room/fact-sheets/detail/obesity-and-overweight. Consulté le 20 décembre 2022.

Manuel SS, Luis GM. Nutrition, obésité et début de l'asthme chez les enfants Le rôle de la fonction pulmonaire. Nutriments. 2021;13(11):3837.

Article CAS PubMed PubMed Central Google Scholar

Lim HJ, Xue H, Wang Y. Tendances mondiales de l'obésité. Dans : Meiselman HL, éditeur. Manuel de manger et de boire: perspectives interdisciplinaires. Édition internationale Springer ; 2020 : 1217-1235. https://doi.org/10.1007/978-3-030-14504-0_157.

Didarloo A, Khalili S, Aghapour AA, Moghaddam-Tabrizi F, Mousavi SM. Détermination de l'intention, de la consommation de restauration rapide et de leurs facteurs connexes chez les étudiants universitaires en utilisant une théorie du changement de comportement. Santé publique BMC. 2022;22(1):1–10.

Article Google Scholar

Pase MP, Himali JJ, Beiser AS, Aparicio HJ, Satizabal CL, Vasan RS, et al. Boissons sucrées et sucrées artificiellement et risques d'accident vasculaire cérébral et de démence : une étude de cohorte prospective. Accident vasculaire cérébral. 2017;48(5):1139–46.

Article CAS PubMed PubMed Central Google Scholar

Pereira MA, Kartashov AI, Ebbeling CB, Van Horn L, Slattery ML, Jacobs DR, et al. Habitudes de restauration rapide, prise de poids et résistance à l'insuline (l'étude CARDIA): analyse prospective sur 15 ans. Lancette. 2005;365(9453):36–42.

Article PubMed Google Scholar

Popkin BM, Adair LS, Ng SW. Transition nutritionnelle mondiale et pandémie d'obésité dans les pays en développement. Nutr Rev. 2012;70(1):3–21.

Article PubMed Google Scholar

Janssen HG, Davies IG, Richardson LD, Stevenson L. Déterminants de la consommation de plats à emporter et de restauration rapide : un examen narratif. Nutr Res Rév. 2018;31(1):16–34.

Article PubMed Google Scholar

Mémon NA. Restauration rapide : 2ème plus grande industrie au Pakistan. Pakistan Food J. 2016;3(1):1–3.

Google Scholar

Baig AK, Saeed M. Examen des tendances de la consommation de restauration rapide. Eur J Econ Finance Adm Sci. 2012;48:77–85.

Google Scholar

Greenfield M. India : À quelle fréquence mangez-vous de la restauration rapide (n'importe quel restaurant à service rapide) au cours d'une semaine donnée (en moyenne) ? Hears Magazine. 2018 ; 2018 : 5–9.

Google Scholar

Qasmi S, Akhtar U, Akram U, Raza H, Ali A, Rana T. Dérive de la consommation de restauration rapide dans la population pakistanaise. J Food Nutr Sci. 2014;2(1):13–8.

Google Scholar

Asif M, Aslam M, Altaf S, Atif S, Majid A. Prévalence et facteurs sociodémographiques du surpoids et de l'obésité chez les adultes pakistanais. J Obes Metab Syndr. 2020;29(1):58–66.

Article PubMed PubMed Central Google Scholar

Siddiqui M, Hameed R, Nadeem M, Mohammad T, Simbak N, Latif A, et al. Obésité au Pakistan ; perceptions actuelles et futures. J Curr Tendances Biomed Eng Biosci. 2018;17:001–4.

Google Scholar

Boek S, Bianco-Simeral S, Chan K, Goto K. Le sexe et la race sont des déterminants importants des choix alimentaires des étudiants sur un campus universitaire. J Nutr Educ Behav. 2012;44(4):372–8.

Article PubMed Google Scholar

Younas B, Khalid WA, Hassan MU. Consommation de restauration rapide et apport calorique accru conduisant à l'obésité, une enquête auprès d'adolescents pakistanais. Syst Rev Pharm. 2021;12(10):3359–61.

Google Scholar

Gordon-Larsen P, Adair LS, Nelson MC, Popkin BM. Incidence de l'obésité sur cinq ans dans la période de transition entre l'adolescence et l'âge adulte : l'étude longitudinale nationale sur la santé des adolescents. Suis J Clin Nutr. 2004;80(3):569–75.

CAS PubMed Google Scholar

Woodward DR, Boon JA, Cumming FJ, Ball PJ, Williams HM, Hornsby H. Les adolescents ont rapporté l'utilisation d'aliments sélectionnés par rapport à leurs perceptions et aux normes sociales de ces aliments. Appétit. 1996;27(2):109–17.

Article CAS PubMed Google Scholar

Dunn KI, Mohr PB, Wilson CJ, Wittert GA. Croyances sur la restauration rapide en Australie : une analyse qualitative. Appétit. 2008;51(2):331–4.

Article PubMed Google Scholar

Branscum P, Sharma M. Utilisation de la théorie du comportement planifié pour prédire deux types de consommation de grignotines chez les enfants du primaire supérieur du Midwest : implications pour la pratique. Int Q Éduc. 2012;32(1):41–55.

Article Google Scholar

Ajzen I. La théorie du comportement planifié. Organ Behav Hum Decis Processus. 1991;50(2):179–211.

Article Google Scholar

Godin G, Kok G. La théorie du comportement planifié : un examen de ses applications aux comportements liés à la santé. Suis J Health Promot. 1996;11(2):87–98.

Article CAS PubMed Google Scholar

Ajzen I, Fishbein M. Comprendre les attitudes et prédire le comportement social. New Jersey : Prentice-Hall, falaises d'Englewood ; 1980.

Voss KE, Spangenberg ER, Grohmann B. Mesurer les dimensions hédoniques et utilitaires de l'attitude du consommateur. J Mark Res. 2003;40(3):310–20.

Article Google Scholar

Dunn KI, Mohr P, Wilson CJ, Wittert GA. Déterminants de la consommation de fast-food. Une application de la théorie du comportement planifié. Appétit. 2011;57(2):349–5.

Article PubMed Google Scholar

Ajzen I. La théorie du comportement planifié : Foire aux questions. Hum Behav Emerg Technol. 2020;2(4):314–24.

Article Google Scholar

Nystrand BT, Olsen SO. Attitudes et intentions des consommateurs envers la consommation d'aliments fonctionnels en Norvège. Qualité alimentaire Préfère. 2020;80:103827.

Article Google Scholar

Montano DE, Kasprzyk D. Théorie de l'action raisonnée, théorie du comportement planifié et modèle comportemental intégré. Théorie du comportement de santé Res Pract. 2015;70(4):231.

Google Scholar

La Morte WW. Modèles de changement de comportement : la théorie du comportement planifié. Récupéré en décembre. 2019;20:2019.

Google Scholar

Ajzen I. Attitudes et comportement des consommateurs : la théorie du comportement planifié appliquée aux décisions de consommation alimentaire. Italien Rev Agric Econ. 2015;70(2):121–38.

Google Scholar

McDermott MS, Oliver M, Svenson A, Simnadis T, Beck EJ, Coltman T, et al. La théorie du comportement planifié et des choix alimentaires discrets : une revue systématique et une méta-analyse. Int J Behav Nutr Phys Act. 2015;12(1):1–11.

Article Google Scholar

Poirier MJ, Grépin KA, Grignon M. Approches et alternatives à l'indice de richesse pour mesurer le statut socio-économique à partir de données d'enquêtes : une synthèse interprétative critique. Soc Indic Res. 2020;148(1):1–46.

Article Google Scholar

Rutstein SO, Staveteig S. Rendre les indices de richesse des enquêtes démographiques et de santé comparables. Rockville : ICF International ; 2014.

Brooks-Gunn J, Klebanov P, Liaw Fr, Duncan G. Vers une compréhension des effets de la pauvreté sur les enfants. Dans : Zuckerman BS, Fitzgerald HE, Lester BM. Enfants de la pauvreté. New York : Routledge ; 2021. p. 3–41.

Malik SM, Bhutta ZA. Réforme des soins de santé primaires au Pakistan. Lancette. 2018;392(10156):1375–7.

Article PubMed Google Scholar

Armitage CJ, Conner M. Efficacité de la théorie du comportement planifié : une revue méta-analytique. Br J Soc Psychol. 2001;40(4):471–99.

Article CAS PubMed Google Scholar

Fila SA, Smith C. Application de la théorie du comportement planifié aux comportements alimentaires sains chez les jeunes amérindiens urbains. Int J Behav Nutr Phys Act. 2006;3(1):11.

Article PubMed PubMed Central Google Scholar

Kim YG. Préoccupations écologiques concernant la consommation d'aliments génétiquement modifiés (GM) en utilisant la théorie du comportement planifié (TPB). Procedia Soc Behav Sci. 2014;159:677–81.

Article Google Scholar

Al-Swidi A, Mohammed Rafiul Huque S, Haroon Hafeez M, Noor Mohd Shariff M. Le rôle des normes subjectives dans la théorie du comportement planifié dans le contexte de la consommation d'aliments biologiques. British Food J. 2014;116(10):1561–80.

Article Google Scholar

Mirkarimi K, Mansourian M, Kabir MJ, Ozouni-Davaji RB, Eri M, Hosseini SG, et al. Comportements de consommation de restauration rapide chez les élèves du secondaire basés sur la théorie du comportement planifié (TPB). Int J Pediatr. 2016;4(7):2131–42.

Google Scholar

Wang C, Tee M, Roy AE, Fardin MA, Srichokchatchawan W, Habib HA, et al. L'impact de la pandémie de COVID-19 sur la santé physique et mentale des Asiatiques : une étude de sept pays à revenu intermédiaire en Asie. PLoS ONE. 2021;16(2):e0246824.

Article CAS PubMed PubMed Central Google Scholar

Esteghamati A, Khalilzadeh O, Anvari M, Meysamie A, Abbasi M, Forouzanfar M, et al. Les coûts économiques du diabète : une étude basée sur la population à Téhéran. Iran Diabétologie. 2009;52(8):1520–7.

Article CAS PubMed Google Scholar

Houe SL. Problèmes et procédures liés à l'adoption de la technique de modélisation par équation structurelle. Méthodes quantitatives J. 2008;3(1):76.

Google Scholar

Fan Y, Chen J, Shirkey G, John R, Wu SR, Park H, et al. Applications de la modélisation par équation structurelle (SEM) dans les études écologiques : une revue mise à jour. Processus Écol. 2016;5:1–12.

Article Google Scholar

Taris T. BM Byrne, Modélisation d'équations structurelles avec AMOS : concepts de base, applications et programmation Mahwah NJ : Lawrence Erlbaum, 2001 0–8058-3322-6. Eur J Organe de Travail Psy. 2002;11:243–6.

Google Scholar

Garver MS, Mentzer JT. Méthodes de recherche en logistique : utilisation de la modélisation par équation structurelle pour tester la validité de la construction. Logiste de bus J. 1999;20(1):33.

Google Scholar

Kline RB. Modélisation d'équations structurelles. New York : Guilford ; 1998.

Google Scholar

Tavakol M, Dennick R. Donner un sens à l'alpha de Cronbach. Int J Med Educ. 2011;2:53–5.

Article PubMed PubMed Central Google Scholar

Manuel de survie Pallant J. SPSS : un guide étape par étape pour l'analyse des données à l'aide d'IBM SPSS. 7e éd. Londres : Routledge ; 2020.

Nunnally JC. Théorie psychométrique. 2e éd. New York : McGraw Hill ; 1978.

Collier J.E. Modélisation d'équations structurelles appliquées à l'aide d'AMOS : techniques de base à avancées. 1ère éd. New York : Routledge ; 2020.

Morse KL, Driskell JA. Différences entre les sexes observées dans la consommation de restauration rapide et les auto-évaluations nutritionnelles et les croyances des étudiants. Recherche nutritionnelle. 2009;29(3):173-9. https://doi.org/10.1016/j.nutres.2009.02.004.

Shaban L, Alkazemi D. Tendances de la consommation de restauration rapide chez les jeunes koweïtiens. Int J Préc Méd. 2019;10:44. https://doi.org/10.4103/ijpvm.IJPVM_480_18.

Baeck B, Lee Y. Sensibilisation des consommateurs et orientations politiques sur les additifs alimentaires, axées sur l'information des consommateurs. Goujon de consommation J. 2006;17(3):133–50.

Google Scholar

Aoki K, Shen J, Saijo T. Réaction des consommateurs aux informations sur les additifs alimentaires : preuves d'une expérience alimentaire et d'une enquête sur le terrain. Orgue J Econ Behav. 2010;73(3):433–8.

Article Google Scholar

Abraham S, Martinez M, Salas G, Smith J. Perception des étudiants du Collège des facteurs de risque liés à la consommation de restauration rapide et à leurs habitudes alimentaires. J Nutr Hum Santé. 2018;2(1). https://doi.org/10.35841/nutrition-human-health.2.1.18-21.

Yarmohammadi P, Sharifirad GR, Azadbakht L, Morovati Sharifabad MA, Hassanzadeh A. Prédicteurs de la consommation de restauration rapide chez les lycéens basés sur la théorie du comportement planifié. Rés. 2011;7(4).

Ebadi L, Rakhshanderou S, Ghaffari M. Déterminants de la consommation de restauration rapide chez les étudiants de Téhéran : application de la théorie du comportement planifié. Int J Pediatr. 2018;6(10):8307–16.

Google Scholar

Sharifirad G, Yarmohammadi P, Azadbakht L, Morowatisharifabad MA, Hassanzadeh A. Déterminants de la consommation de restauration rapide chez les lycéens iraniens sur la base de la théorie du comportement planifié. J Obès. 2013;2013:147589.

Article PubMed PubMed Central Google Scholar

Fila SA, Smith C. Application de la théorie du comportement planifié aux comportements alimentaires sains chez les jeunes amérindiens urbains. Int J Behav Nutr Phys Act. 2006;3(1):1–10.

Article Google Scholar

Kock N. Biais de méthode commun dans PLS-SEM : une approche d'évaluation complète de la colinéarité. Int J e-Collaboration (ijec). 2015;11(4):1–10.

Article Google Scholar

Deng L, Yang M, Marcoulides KM. Modélisation d'équations structurelles avec de nombreuses variables: une revue systématique des problèmes et des développements. Avant Psychol. 2018;9:580.

Article PubMed PubMed Central Google Scholar

Shi D, Lee T, Maydeu-Olivares A. Comprendre l'effet de la taille du modèle sur les indices d'ajustement SEM. Mesure Éduc Psychol. 2019;79(2):310–34.

Article PubMed Google Scholar

Télécharger les références

Les auteurs tiennent à remercier l'Université d'Asie du Sud et l'Université Khalifa pour leur soutien à cette recherche. Un merci spécial au Dr Ahsan Javed, à Mlle Syeda Iqra Faiyaz et à Rida Saeed pour leur soutien au stade préliminaire de cette recherche.

Cette recherche n'a reçu aucun financement.

Faculté des sciences de la santé alliées, Université d'Asie du Sud, Lahore, Pakistan

Maryam Sajjad

Collège de médecine et des sciences de la santé, Université Khalifa, Abu Dhabi, Émirats arabes unis

Afifa Bhatti

Département des sciences infirmières, de la pratique de sage-femme et de la santé, Université de Northumbria, Newcastle Upon Tyne, Royaume-Uni

Barry Colline

Département d'épidémiologie et de santé des populations, Faculté de médecine et des sciences de la santé, Université Khalifa, Abu Dhabi, Émirats arabes unis

Basem Al Omari

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Conceptualisation, MS ; méthodologie, MS, AB et BA ; logiciel, MS et AB ; validation, MS et BA ; analyse formelle, MS et AB ; enquête, MS ; ressources, MS ; conservation des données, MS, AB, BH et BA ; rédaction—préparation du brouillon original, MS, AB, BH et BA ; rédaction—révision et édition, MS, AB, BH et BA; supervision, BA; administration du projet, MS et BA Tous les auteurs ont lu et accepté la version publiée du manuscrit.

Correspondance à Basem Al-Omari.

L'étude a été menée conformément à la Déclaration d'Helsinki et approuvée par le Comité d'examen institutionnel de l'Université d'Asie du Sud, au Pakistan. Le consentement éclairé a été obtenu de tous les sujets impliqués dans l'étude et des parents des 42 élèves de moins de 18 ans.

N'est pas applicable.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Fichier supplémentaire 1.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui autorise l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/. La renonciation Creative Commons Public Domain Dedication (http://creativecommons.org/publicdomain/zero/1.0/) s'applique aux données mises à disposition dans cet article, sauf indication contraire dans une ligne de crédit aux données.

Réimpressions et autorisations

Sajjad, M., Bhatti, A., Hill, B. et al. Utilisation de la théorie du comportement planifié pour prédire les facteurs influençant la consommation de restauration rapide chez les étudiants. BMC Public Health 23, 987 (2023). https://doi.org/10.1186/s12889-023-15923-1

Télécharger la citation

Reçu : 02 janvier 2023

Accepté : 18 mai 2023

Publié: 27 mai 2023

DOI : https://doi.org/10.1186/s12889-023-15923-1

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt