Verwendung der Theorie des geplanten Verhaltens zur Vorhersage von Faktoren, die einen schnellen Einfluss haben

May 29, 2023

BMC Public Health Band 23, Artikelnummer: 987 (2023) Diesen Artikel zitieren

393 Zugriffe

2 Altmetrisch

Details zu den Metriken

Der Zweck dieser Forschung besteht darin, die Verhaltensfaktoren zu untersuchen, die den Fast-Food-Konsum (FFC) bei College-Studenten in Pakistan beeinflussen, indem die Theorie des geplanten Verhaltens (TPB) angewendet wird.

Die Querschnittsumfrage wurde an College-Studenten in Pakistan verteilt. Der Fragebogen untersucht die mit sechs Kategorien verbundenen Faktoren: Demografie, FFC-Muster, Absicht für FFC, Einstellungen gegenüber FFC, subjektive Normen (SN) und wahrgenommene Verhaltenskontrolle (PBC). Die Datenanalyse wurde mit der Software SPSS und SPSS AMOS unter Verwendung deskriptiver Statistiken, Inferenzstatistiken (Chi-Quadrat, T-Test, Pearson-Korrelation und multiple Regressionsanalyse) und Strukturgleichungsmodellierungsanalyse (SEM) durchgeführt.

Insgesamt wurden 220 Fragebögen ausgefüllt (97 Männer und 123 Frauen). Es gab signifikante Unterschiede in der FFC-Assoziation mit dem Geschlecht. Unter den Konstrukten von TPB sind Verhaltensabsicht (BI) und SN die stärksten Prädiktoren des FFC (p < 0,05). TPB hat das FFC-Verhalten mit einer Varianz von R2 0,603 signifikant vorhergesagt. Die SEM-Analyse zeigt, dass die gesammelten Daten nicht mit dem theoretischen TPB-Modell kompatibel waren, sodass es aufgrund der schlechten Übereinstimmung des Modells mit den Daten nicht möglich war, unsere fünf Hypothesen zu testen oder die Ergebnisse zu interpretieren.

Um eine gute Übereinstimmung der Daten mit dem angegebenen TPB-Modell in der SEM-Analyse sicherzustellen, sollte die Anzahl der Indikatoren begrenzt sein (≤ 30) oder die Stichprobengröße größer sein (N ≥ 500). Die FFC pakistanischer College-Studenten wird hauptsächlich von Freunden und der zunehmenden Beliebtheit von Fast Food beeinflusst, obwohl sie über dessen negative Auswirkungen auf die Gesundheit Bescheid wissen. Bildungsprogramme sollten auf spezifische schädliche Auswirkungen von Fast Food abzielen, und SN und BI sind unter den TPB-Konstrukten die stärksten Prädiktoren für FFC. Diese Erkenntnisse können für die Entwicklung gezielter interventioneller Gesundheitsstrategien und zukünftiger Forschung nützlich sein.

Peer-Review-Berichte

In letzter Zeit werden Fastfood-Restaurants oft als besonderes Vergnügen für Kinder angesehen [1], was zur zunehmenden Prävalenz von Fettleibigkeit und anderen ernährungsbedingten Krankheiten beiträgt [1, 2]. Im Jahr 2016 waren mehr als 340 Millionen Kinder und junge Erwachsene im Alter von 5 bis 19 Jahren übergewichtig oder fettleibig [3]. Im Jahr 2020 wurde bei 39 Millionen Kindern unter 5 Jahren Fettleibigkeit oder Übergewicht diagnostiziert [4]. Seit 1975 hat sich die weltweite Fettleibigkeit fast verdreifacht, wobei mehr als 1,9 Milliarden Erwachsene über 18 Jahre übergewichtig und über 650 Millionen fettleibig sind [5].

Darüber hinaus gibt es inzwischen mehrere identifizierte nicht übertragbare Krankheiten, die in direktem Zusammenhang mit Fast-Food-Diäten stehen [6]. Dazu gehören Fettleibigkeit, Herz-Kreislauf-Erkrankungen, Diabetes mellitus Typ 2, Bluthochdruck und ein erhöhtes Schlaganfallrisiko [7]. Eine Studie hat einen klaren Zusammenhang zwischen regelmäßigem Fast-Food-Konsum (FFC) und Gewichtszunahme sowie einem erhöhten Risiko einer Insulinresistenz über 15 Jahre berichtet. Personen, die mehr als zweimal pro Woche in Fast-Food-Restaurants aßen, nahmen durchschnittlich 4,5 kg mehr zu und erlebten einen um 104 % stärkeren Anstieg der Insulinresistenz im Vergleich zu Personen, die zu Beginn weniger als eine Fast-Food-Mahlzeit pro Woche aßen und Ende der Studie [8].

Jugendliche haben eine hohe Tendenz, energiereiche Fast-Food-Produkte zu konsumieren, was zu bedeutenden wissenschaftlichen Forschungen in diesem Bereich führt [1]. Diese Vorliebe für Fast Food ist besonders in Ländern mit niedrigem und mittlerem Einkommen wie Pakistan weit verbreitet und wird oft als ernährungsphysiologischer Übergang von der traditionellen Ernährung zu einer stärker verwestlichten Ernährung angesehen, die durch übermäßigen Verzehr von fettreichen und verarbeiteten Lebensmitteln gekennzeichnet ist. sowie zuckerhaltige Getränke und Süßigkeiten [9, 10]. Die kulturellen Veränderungen von FFC in Pakistan werden durch die Normalisierung der Fast-Food-Ernährung bei jungen Erwachsenen und Jugendlichen, die Bequemlichkeit westlicher Fast-Food-Optionen, wettbewerbsfähige Preise und den Einsatz von Prominenten im Marketing vorangetrieben [11]. Weitere Themen sind der Einfluss von Gruppenzwang und Fast Food als schnelle Lösung für vielbeschäftigte Eltern [12, 13]. Dies führt zu einer zunehmenden Beliebtheit von Fast Food, das derzeit in Pakistan jährlich um 20 % wächst [14].

Die Belastung durch Fettleibigkeit in Entwicklungsländern, einschließlich Pakistan, hat erheblich zugenommen. Die erhöhte Verfügbarkeit von Fast Food und die zunehmende sitzende Lebensweise der Menschen haben dazu geführt, dass mittlerweile ein Viertel der pakistanischen Bevölkerung fettleibig ist [15, 16]. Im Jahr 2018 wurde berichtet, dass 16,2 % der in Pakistan studierenden Studenten fettleibig und 15 % übergewichtig waren [16], was darauf hindeutet, dass die jüngere Generation Pakistans aufgrund von Komplikationen im Zusammenhang mit Fettleibigkeit einem erhöhten Risiko eines vorzeitigen Todes und einer Erkrankung ausgesetzt ist. Es wurde festgestellt, dass männliche Jugendliche beim Verzehr von Fastfood schlechtere Entscheidungen treffen [17, 18].

Die Beurteilung und Bewertung des Fast-Food-Verzehrs bei Jugendlichen und jungen Erwachsenen ist entscheidend für die Erkennung von Faktoren, die mit Übergewicht und Adipositas in Zusammenhang stehen [19]. Die Identifizierung einflussreicher Faktoren wie Lebensmittelpräferenzen, Essgewohnheiten in der Familie und sozialer Normen kann Interventionen zur Förderung eines gesunden Essverhaltens leiten [20]. Die Theorie des geplanten Verhaltens (TPB) ist ein bekanntes Modell, das Essverhalten auf der Grundlage von Normen und Überzeugungen im Zusammenhang mit dem Konsum von Fast Food und Snacks vorhersagt [21, 22]. Abgeleitet von der Theorie des Vernunft-Handelns (Traction of Reason Action, TRA) erklärt TPB Gesundheitsverhalten, das nicht vollständig unter der Kontrolle einer Person steht. Darüber hinaus ermöglicht TPB ein gutes Verständnis der Einstellungen und Absichten der Menschen in Bezug auf ihre Lebensmittelauswahl [23]. Es wird auch darauf hingewiesen, dass die wahrgenommene Verhaltenskontrolle (PBC) der wichtigste Aspekt von TPB ist [24]. Der TPB beschreibt detailliert, wie die Einflüsse auf eine Person ihre Entscheidung beeinflussen, einem bestimmten Verhalten zu folgen. Darüber hinaus ist TPB effektiv, da es folgende Hauptkonstrukte umfasst: Einstellungen, subjektive Normen (SN), PBC und Absichten (21, 23).

Laut TPB ist „Einstellung“ die positive oder negative Bewertung einer Person zu einem bestimmten Ergebnis im Zusammenhang mit einem Verhalten, beispielsweise dem Essen von Fast Food [25]. Die Einstellung besteht aus zwei Komponenten: der affektiven Einstellung, die die Emotionen einer Person widerspiegelt, und der kognitiven Einstellung, die ihr Wissen oder ihre Überzeugungen widerspiegelt. Positive Einstellungen unterstützen eher die Verhaltensabsicht (BI), während negative Einstellungen sie eher behindern [26, 27]. Das Konzept der PBC umfasst zwei Dimensionen der Wahrnehmung von Kontrolle und Selbstwirksamkeit [28]. Die Wahrnehmung von Kontrolle bezieht sich auf externe Faktoren wie Zugänglichkeit, Aufgabenschwierigkeit und das Verhalten anderer, während Selbstwirksamkeit interne Faktoren wie Motivation, Fähigkeit und Persönlichkeit einbezieht [29]. Das TPB postuliert, dass beide Dimensionen von PBC die Bildung von (BI) für positive Handlungen erleichtern und die Absicht für negative Handlungen behindern. SN bezieht sich auf die Wahrnehmung des sozialen Einflusses einer Person, der sie entweder dazu ermutigt oder davon abhält, sich auf ein bestimmtes Verhalten einzulassen. Diese Wahrnehmungen basieren auf den Einstellungen bedeutender Personen, sogenannter Referenten, die das betreffende Verhalten gutheißen oder ablehnen [30].

Das TPB prognostiziert und erklärt eine Reihe von Gesundheitsverhalten und -absichten, darunter Rauchen, Trinken, Inanspruchnahme von Gesundheitsdiensten, Stillen und Substanzkonsum. Die Konstrukte von TPB repräsentieren insgesamt die tatsächliche Kontrolle einer Person über das Verhalten [31]. Laut TPB ist der Handlungswille einer Person größer, wenn sie positivere Ansichten über das, was sie unternimmt, ihre PBC und die SN hat. Eine stärkere Absicht weist zusammen mit der wahrgenommenen Verhaltenskontrolle auf eine höhere Wahrscheinlichkeit hin, das Verhalten zu vollenden [32].

Eine kürzlich durchgeführte systematische Überprüfung der Lebensmittelauswahl hat gezeigt, dass die Einstellungen von Menschen stark mit Absicht, SN und PBC korrelieren und dass Absicht im Vergleich zu PBC einen starken Zusammenhang mit dem Verhalten aufweist [33]. In der derzeit verfügbaren Literatur wird TPB tendenziell in westlichen Ländern mit hohem Einkommen untersucht, während für Länder mit niedrigerem Einkommen nur begrenzte Daten verfügbar sind. Aufgrund der Einzigartigkeit der Anwendung solcher Forschung auf ein Land mit niedrigerem Einkommen wie Pakistan müssen Forscher daher mehrere Überlegungen anstellen. Beispielsweise stellt der sozioökonomische Status die zugrunde liegende Grundursache für Unterernährung dar und setzt sich aus mehreren Variablen wie der Art der sanitären Einrichtungen, der Trinkwasserquelle und der Wohninfrastruktur zusammen [34, 35]. Ein schlechter sozioökonomischer Status steht in direktem Zusammenhang mit Analphabetismus, Arbeitslosigkeit, verminderter Kaufkraft und schlechten Gesundheits- und Ernährungsergebnissen [36]. In China, Mexiko und Ländern südlich der Sahara durchgeführte Studien haben gezeigt, dass bei Kindern aus einer niedrigen sozioökonomischen Klasse ein höheres Risiko für das gleichzeitige Auftreten von Wachstumsverzögerung und Übergewicht/Adipositas besteht als bei Kindern aus einer höheren sozioökonomischen Klasse. Darüber hinaus wird in Pakistan die Doppelbelastung durch Mangelernährung immer deutlicher: Fast jedes dritte Kind ist untergewichtig (28,9 %), während die Prävalenz von Übergewicht (9,5 %) hoch ist [37].

Angesichts dieser Unterschiede in Pakistan im Vergleich zu westlich geprägten FFC mit hohem Einkommen ist unklar, ob ein Modell, das einige mit FFC verbundene Parameter vorhersagt, in Ländern mit niedrigerem Einkommen funktionieren wird. Daher scheint es erforderlich zu sein, den Nutzen der Modelle in jeder Gruppe zu testen. Diese Studie untersucht die Determinanten des Fast-Food-Verzehrs bei College-Studenten in Pakistan und nutzt das TPB-Modell, um die Vorhersagbarkeit von Absicht und Verhalten zu verbessern. Darüber hinaus wird diese Studie weitere Literatur zu den FFC-Gewohnheiten von Studenten in einem dicht besiedelten Land wie Pakistan hinzufügen. Daher besteht der Zweck dieser Forschung darin, die Verhaltensfaktoren zu untersuchen, die sich durch die Anwendung von TPB auf die FFC unter College-Studenten in Pakistan auswirken. Die Ergebnisse würden bei der Planung von Ernährungsinterventionsprogrammen helfen.

Der TPB wird häufig verwendet und die Ergebnisse zeigen, dass Einstellungen, SN und PBC einen großen Teil der Variation in einer Vielzahl von Verhaltensweisen ausmachen [38]. Laut der an indianischen Jugendlichen durchgeführten Studie sagen SN und PBC 30 % der Varianz in der Absicht voraus, ein gesünderes Essverhalten anzunehmen [39]. Bei der Anwendung von TPB auf den Verzehr gentechnisch veränderter Lebensmittel betrug die Erklärungskraft des Modells 44,4 %, wobei die Einstellung der stärkste Prädiktor war [40], während in Studien zum Verzehr von Bio-Lebensmitteln SN und Einstellung die wichtigsten Prädiktoren für die Absicht waren [41]. . In dieser Studie wollen wir die folgenden Hypothesen basierend auf dem TPB-Modell testen, wie in Abb. 1 dargestellt:

H1: Eine positive Einstellung sagt die Absicht voraus, Fast Food zu konsumieren.

H2: SN prognostiziert die Absicht, Fast Food zu konsumieren.

H3: PBC sagt die Absicht voraus, Fast Food zu konsumieren.

H4: PBC sagt FFC voraus.

H5: Verhaltensabsichten sagen FFC voraus.

Modellierung der latenten Variablen des TPB, deren Hypothesen mittels SEM getestet werden

Diese Querschnittsstudie wurde im Jahr 2020 an College-Studenten in der pakistanischen Region Punjab durchgeführt. Bei dieser Forschung wurde eine gezielte Stichprobenziehung eingesetzt. Das Ziel dieser Studie war es, das FFC-Verhalten bei College-Studenten auf der Grundlage von TPB zu untersuchen. Die Einschlusskriterien der Studie waren Studierende über 16 Jahre, was dem Durchschnittsalter für College-Studenten in Pakistan entspricht. Alle College-Studenten, die eine spezielle Diät wie eine Ernährungsinterventionsdiät einhielten und Medikamente gegen Magen-Darm-Erkrankungen einnahmen, wurden von der Forschungsstudie ausgeschlossen. Für diese Studie wurden insgesamt 220 Studenten rekrutiert.

Diese Studie nutzte den Fragebogen von Mirkarimi und Kollegen, um das FFC-Verhalten unter College-Studenten in Pakistan, die TPB verwenden, zu untersuchen [42]. Der Fragebogen war in sechs Kategorien unterteilt (Demografie, FFC-Muster, Absicht, Fast Food zu konsumieren, Einstellungen zu FFC, SN und PBC), umfasste 52 Fragen und eine 4-Punkte-Likert-Skala als Antwortoptionen (1: überhaupt nicht, 2). : ein wenig, 3: eher, 4: sehr) [42]. Dieser Fragebogen wurde ursprünglich im Iran getestet und anschließend angewendet. Die Gesichtsvalidität wurde von drei Spezialisten für Gesundheitserziehung und zwei Spezialisten für Ernährung untersucht, und ihre Inhaltsvalidität wurde von sieben Spezialisten für Gesundheitserziehung und zwei Spezialisten für Ernährung untersucht [42]. Pakistan verfügt über ähnliche Lehr- und Lernkulturen, Grundschul-, Sekundar- und Weiterbildungseinrichtungen sowie Gesundheitseinrichtungen wie im Iran [43, 44]. Daher wird die Verwendung dieses Fragebogens für diese Forschung in Pakistan als angemessen erachtet.

Der erste Abschnitt des Fragebogens umfasst Fragen zu Größe, Gewicht, BMI, Bildung der Mutter, des Vaters, Interesse an Gesundheit, Interesse an Gewichtskontrolle und darüber, mit wem sie normalerweise essen. Im zweiten Abschnitt ging es um FFC-Muster. Es enthält Fragen zur Art des am häufigsten konsumierten Fastfoods (Hamburger, Pommes Frites, Pizza, Donuts und Brathähnchen), zu den Gründen für den Fastfoodkonsum, zu den Personen, mit denen sie gerne Fastfood essen, und zu den Orten, an denen sie Fastfood essen.

Dieser Teil enthielt 39 Fragen zu den vier Konstrukten des TPB (BI, Einstellungen, SN und PBC). Diese Fragen wurden anhand einer 4-stufigen Likert-Skala bewertet (1: überhaupt nicht, 2: ein wenig, 3: eher, 4: sehr).

Der erste Abschnitt untersucht die BI beim Verzehr von Fast Food, indem fünf Fragen zu verschiedenen Fast Food-Produkten gestellt werden. Es werden Fragen zur Neigung/Absicht gestellt, in einem Monat Hamburger, Pommes Frites, Pizza, Brathähnchen und Donuts zu konsumieren, beispielsweise „Ich habe vor, in einem Monat Hamburger zu essen“. Die Werte für die BI-Messung lagen zwischen 5 und 20.

Im zweiten Abschnitt werden die Einstellungen gegenüber FFC untersucht, indem 12 Fragen zu Bekanntheit, Gesundheitszustand, lebenswichtigen Nährstoffen, Geschmack, Attraktivität der Umgebung, Fast-Food-Portionsgröße, Energie- und Salzgehalt des Lebensmittels, Fettgehalt im Lebensmittel und Überzeugungen über das Werden gestellt werden Übergewicht nach dem Verzehr von Fast Food und der Zusammenhang zwischen Fast Food und Körpergewicht. Die Werte für die Einstellungsmessung lagen zwischen 12 und 48.

Der dritte Abschnitt untersucht SN, indem er normative Überzeugungen und die Motivation zur Einhaltung bestimmt. Es werden neun Fragen zum Einfluss von Familie, Lehrern und Freunden auf die FFC-Überzeugungen gestellt, beispielsweise „Ich glaube, dass meine Freunde meinen Fast-Food-Konsum mögen würden“ oder „Ich folge den Überzeugungen meiner Familie“. Die Werte für die SN-Messung lagen zwischen 9 und 27.

Der vierte Abschnitt untersucht PBC im Vergleich zu FFC, indem 13 Fragen zum Fast-Food-Konsum gestellt werden. Diese Fragen basieren auf der Wahrnehmung, wie schwierig es ist, ein Verhalten auszuführen. In diesem Abschnitt werden Fragen dazu gestellt, wie sie darüber nachdenken, Fast Food zu essen, selbst wenn nur wenige Geschäfte in der Nähe sind, ob es schwierig ist, sich an anderen Orten als in Fast-Food-Läden zu treffen, ob sie Fast Food essen, selbst wenn sie auf Diät sind, oder wie sie lange warten müssen, selbst wenn sie Fast Food essen wenn wenig Werbung im Fernsehen läuft oder Fast-Food-Läden nur wenige Sonderangebote anbieten, und darüber, über eine Änderung des FFC-Verhaltens nachzudenken, um die Gesundheit zu verbessern. Die Werte für die PBC-Messung lagen zwischen 13 und 52.

Detaillierte Informationen über den Zweck des Forschungsprojekts, den Fragebogen und die Verwendung der Daten wurden den Schülern vom Forscher persönlich im Klassenzimmer und den Eltern von Schülern unter 18 Jahren telefonisch erklärt. Die Einverständniserklärung wurde persönlich von allen Teilnehmern eingeholt, die an einer Teilnahme interessiert waren und die Einschlusskriterien erfüllten. Die Eltern der 42 Schüler, die unter 18 Jahre alt waren, erteilten ihre mündliche Einwilligung per Telefon und schickten die unterschriebene schriftliche Einwilligung zusammen mit ihren Kindern an die Schule. Anschließend wurden Fragebögen bereitgestellt und Erklärungen angeboten, falls die Teilnehmer weitere Informationen benötigten.

Physische Kopien des Fragebogens wurden an die Teilnehmer verteilt, die die Einverständniserklärung ausgefüllt hatten, und der Forscher gab eine kurze Erläuterung der Aufgabe. Nach dem Ausfüllen des Fragebogens wurden die Teilnehmer gebeten, ihn in einen Umschlag zu stecken und in die dafür vorgesehene Datensammelbox zu werfen. Nach der Erhebung wurden alle Daten anonymisiert und die Teilnehmer konnten sich jederzeit aus der Studie zurückziehen. Anthropometrische Messungen wurden Teilnehmern angeboten, die ihre genaue Größe und ihr Gewicht nicht kannten.

Die Strukturgleichungsmodellierung (SEM) wird zur Bewertung multivariater Kausalzusammenhänge sowie direkter und indirekter Effekte zwischen Variablen für ein interessierendes a priori latentes Variablenmodell verwendet [45]. Es handelt sich um eine Kombination aus konfirmatorischer Faktorenanalyse und Pfadanalyse. Die Pfadanalyse findet kausale Beziehungen zwischen Variablen in einem definierten Pfad, und die konfirmatorische Faktorenanalyse schätzt abstrakte Merkmale, indem sie theoretische Annahmen anhand gesammelter Daten testet [45, 46]. SEM geht von Linearität und Eindimensionalität seiner Variablen aus und unterscheidet sich damit von der Regressionsmodellierung. Die durch SEM erstellten Kausaldiagramme führen auch dazu, dass nichtparametrische Strukturgleichungen kausal interpretiert werden [46]. SEM misst den Einfluss mehrerer Variablen aufeinander gleichzeitig mit den durch ein bestimmtes Modell definierten Beziehungen [45]. In dieser Studie wurde SEM angewendet, um das zuvor in Abb. 1 dargestellte hypothetische TPB-Modell zu testen.

Mithilfe von Anpassungsindizes wird getestet, wie gut beobachtete Daten zum theoriebasierten Modell passen [47]. Die zur Beurteilung der Modellanpassung verwendeten Indizes waren Chi-Quadrat (χ2), Tucker-Lewis-Index (TLI), Comparative Fit Index (CFI) und der quadratische mittlere Näherungsfehler (RMSEA), wie von Garver und Mentzer empfohlen [48]. TLI vergleicht die Anpassung eines vorgeschlagenen Modells mit einem Nullmodell und misst die Sparsamkeit, indem es die Freiheitsgrade des vorgeschlagenen Modells mit dem Nullmodell vergleicht. CFI ist ein Nichtzentralitätsindexwert, der Auswirkungen auf die Stichprobengröße berücksichtigt. RMSEA misst die Differenz zwischen beobachteten und geschätzten Werten der Kovarianzmatrix pro Freiheitsgrad und wird in Bezug auf die Population und nicht auf die Stichprobe gemessen [45]. Ein niedriger Chi-Quadrat-Wert zeigt an, dass der Unterschied zwischen dem angegebenen hypothetischen Modell und den Daten keine Signifikanz aufweist, und weist somit auf eine gute Anpassung hin. Da der Chi-Quadrat-Test jedoch empfindlich auf die Stichprobengröße reagiert, insbesondere wenn die Stichprobe größer als 200 ist, wird zur Bewertung der Anpassungsgüte ein Verhältnis des Chi-Quadrat-Werts zu den Freiheitsgraden verwendet [45]. Eine gute Modellanpassung wird erreicht, wenn TLI > 0,90, CFI > 0,90, RMSEA < 0,05 [45] und wenn das Verhältnis des Chi-Quadrat-Werts zu den Freiheitsgraden weniger als 3 beträgt [49].

Die SEM-Analyse wurde mit SPSS 29.0.0.0 und SPSS AMOS 26 durchgeführt. FFC-Muster, die Absicht, Fast Food zu konsumieren, die Einstellung zu FFC, die SN für FFC und PBC gegenüber FFC wurden jeweils als latente Variablen des TPB-Modells identifiziert Fragebogenelement pro latenter Kategorie sind die beobachteten Variablen, durch die latente Variablen messbar werden.

Beschreibende Statistiken wie Mittelwert, Standardabweichung, Häufigkeit und Prozentsätze wurden zusammen mit einem unabhängigen T-Test und Chi-Quadrat angewendet. Alle statistischen Analysen wurden mit der Software SPSS 17.0 durchgeführt. Der T-Test wurde zur Beurteilung der Einstellung SN für FFC und PBC gegenüber FFC angewendet. Der Pearson-Korrelationskoeffizient und die multiple lineare Regression wurden verwendet, um den Zusammenhang zwischen allen Konstrukten des TPB und des FFC zu untersuchen. FFC war in dieser Studie die abhängige Variable, während die allgemeinen Merkmale, Konstrukte der TPB-Absicht, SN, Verhalten und Einstellungen im Zusammenhang mit FFC als unabhängige Variablen identifiziert wurden.

Insgesamt wurden 250 Fragebögen an die Forschungsteilnehmer verteilt, von denen 30 Umfragen unvollständig waren und aus der Datenanalyse entfernt wurden, sodass 220 College-Studenten (97 Männer und 123 Frauen) einbezogen wurden. Bei allen Teilnehmern wurden Größe, Gewicht und BMI gemessen. Gemäß der BMI-Klassifikation hatten 129 Studenten (68 Männer, 61 Frauen) einen normalen BMI, 62 Studenten (17 Männer, 45 Frauen) waren untergewichtig, 20 Studenten (8 Männer, 12 Frauen) waren übergewichtig und neun Studenten (4 Männer und 45 Frauen). 5 Frauen) waren fettleibig. Die Chi-Quadrat-Ergebnisse zeigten einen statistisch signifikanten Zusammenhang zwischen Geschlecht und BMI-Kategorien (13,2 (p = 0,004). Neunzig Studierende zeigten ein hohes Interesse an Gesundheit, während 68 Studierende ein durchschnittliches Interesse zeigten. Insgesamt waren die meisten Studierenden an Kontrolle und Aufrechterhaltung interessiert ihr Gewicht auf einen gesunden BMI. Der Zusammenhang zwischen Geschlecht und der Frage „Mit wem isst du normalerweise?“ war mit einem p-Wert von 0,015 ebenfalls statistisch signifikant. Aus der Gesamtstichprobe gaben 137 Studenten (56 Männer und 81 Frauen) an, zu essen mit ihrer ganzen Familie. Einzelheiten zu den Merkmalen der Schüler und Chi-Quadrat-Ergebnisse sind in Tabelle 1 aufgeführt.

Das FFC-Muster unter College-Studenten ist in Tabelle 2 dargestellt. Der Zusammenhang zwischen Geschlecht und Art des konsumierten Fastfoods war statistisch signifikant (p = 0,008) mit einem Chi-Quadrat-Wert von 13,92; Frauen neigen dazu, mehr Pommes Frites und Pizza zu essen, wohingegen der Verzehr von Brathähnchen eher bei Männern der Fall war. Darüber hinaus gab es einen statistisch signifikanten Zusammenhang zwischen Geschlecht und den Gründen für FFC mit einem p-Wert von 0,005 und einem Chi-Quadrat-Wert von 15,040. Beispielsweise gaben 73 Studentinnen an, dass sie zu besonderen Anlässen Fast Food essen, wohingegen mehr männliche Studenten Fast Food essen, wenn sie mit Freunden zusammen sind. Die meisten Schüler konsumieren Fast Food mit ihren Freunden (n = 102) und der Zusammenhang zwischen dieser Kategorie und dem Geschlecht war statistisch signifikant mit einem p-Wert von 0,007 und einem Chi-Quadrat-Wert von 13,93. Insgesamt betrachteten mehr Studierende, insbesondere Frauen, Fast Food als Snack, anstatt es als richtige Mahlzeit zu betrachten.

Die Durchschnittswerte für BI und Einstellungen waren bei weiblichen Studierenden höher, während die Durchschnittswerte für SN und PBC bei Männern höher waren. Diese Ergebnisse waren jedoch statistisch nicht signifikant (p > 0,05). Der einzige statistisch signifikante Zusammenhang bestand zwischen dem PBC-Mittelwert und dem Geschlecht (p = 0,025). Einzelheiten zum Durchschnittswert und zur statistischen Prüfung der Konstrukte des TBP sind in Tabelle 3 dargestellt.

Tabelle 4 zeigt den Pearson-Korrelationskoeffizienten zwischen FFC-Häufigkeit, BI, Haltung, SN und PBC. Dies unterstreicht die Stärke des Zusammenhangs zwischen den Variablen. Insbesondere waren einige Variablen signifikant miteinander korreliert. Bemerkenswerterweise korrelierte FFC stark mit BI (0,767), während die anderen Konstrukte mäßig miteinander korrelierten.

Eine multiple Regressionsanalyse wurde durchgeführt, um die Beziehung zwischen verschiedenen Konstrukten des TPB zu untersuchen. Diese Analyse zeigt, dass es keinen statistisch signifikanten Effekt der Einstellung auf BI gab, aber es gab einen signifikanten Effekt von SN (β = 0,262, p < 0,001) und PBC (β = 0,164, p < 0,001) auf BI. Somit sind SN und PBC Prädiktoren für BI. Tabelle 5 zeigt eine Zusammenfassung der multiplen Regressionsanalyse, die die Auswirkung von Einstellung, SN und PBC auf BI zeigt. Darüber hinaus wurde die Wirkung von BI und SN auf FFC berechnet und die Ergebnisse in Tabelle 6 zusammengefasst, die eine Zusammenfassung der Multiplen Regression: Wirkung von BI, SN auf die Häufigkeit von FFC darstellt. R2 = 0,603 zeigt, dass 60 % der Variation im FFC auf BI und SN zurückzuführen sind. Es gab einen signifikanten Zusammenhang zwischen BI (β = 0,717, p < 0,001) und SN (β = 0,131, p. 005) und FFC, was darauf hindeutet, dass BI und SN starke Prädiktoren für FFC sind.

Cronbachs Alpha misst die interne Konsistenz eines Konstrukts, wobei seine Werte zwischen 0 und 1 liegen. Die interne Konsistenz bewertet den Grad, in dem alle Elemente in einem Konstrukt dasselbe Konzept messen. Mit steigendem Alpha-Wert nimmt der Fehleranteil am Testergebnis ab [50]. Der Alpha-Wert reagiert empfindlich auf die Korrelation zwischen Elementen, der Dimensionalität und der Länge des Fragebogens. Eine größere Korrelation zwischen den Elementen verringert den Alpha-Wert. Alpha-Werte sind nur anwendbar, wenn die Testelemente eindimensional sind, und der Alpha-Wert ist direkt proportional zur Fragebogenlänge pro Konstrukt [50]. Bei Konstrukten mit weniger als zehn Elementen weist ein Cronbach-Alpha-Wert von mehr als 0,5 auf eine gute Zuverlässigkeit hin. Für Konstrukte mit zehn oder mehr Elementen zeigt ein Cronbach-Alpha-Wert größer als 0,7 eine gute Zuverlässigkeit [51, 52]. In Tabelle 7 weisen die Konstrukte Einstellung (0,585), Absicht (0,445) und Verhalten (0,022) niedrige Cronbach-Alpha-Werte auf, was darauf hindeutet, dass die zur Messung dieser Konstrukte verwendeten Elemente eine geringe Zuverlässigkeit aufweisen. Die Konstrukte SN (0,616) und PBC (0,783) weisen angesichts der Anzahl der Elemente akzeptable Cronbach-Alpha-Werte auf, was zeigt, dass die zur Messung der gegebenen Konstrukte verwendeten Elemente eine gute Zuverlässigkeit aufweisen.

Tabelle 8 listet die Anpassungsindizes für die Daten auf, wenn sie ursprünglich an das hypothetische Modell angepasst wurden und nach der Änderung zur Verbesserung der Anpassung. Die gesammelten Daten zeigen keine ausreichende Übereinstimmung mit dem hypothetischen TPB-Modell, da die Werte von TLI, CFI und RMSEA nicht den Mindestanforderungen entsprechen. Das Modell wurde modifiziert, indem Messvariablen mit geringen Faktorladungen mit Werten kleiner 0,5 entfernt wurden [53]. Insgesamt wurden acht Messgrößen mit geringen Faktorladungen entfernt. Das Modell wurde unter Verwendung von von SPSS AMOS erstellten Modifikationsindizes weiter modifiziert, um Restkorrelationen zu berücksichtigen [53]. Insgesamt wurden dem Modell 34 Restkorrelationen hinzugefügt. Trotz der Modifikation erfüllen die Daten nicht alle Anforderungen, um eine gute Übereinstimmung mit dem theoretischen Modell nachzuweisen. Während sich RMSEA verbessert und die Mindestanforderung erfüllt, damit die Daten gut zum modifizierten hypothetischen Modell passen, liegen die TLI- und CFI-Werte unter 0,90. Daher zeigen die Daten keine gute Übereinstimmung mit dem theoretischen Modell. Infolgedessen kann die Eindimensionalität der Variablen nicht beurteilt werden [45], ebenso wenig wie die Koeffizienten zwischen latenten Variablen, um die Grundsätze des hypothetischen TPB-Modells in Abb. 1 zu beurteilen.

Diese Studie untersuchte den Stand der FFC unter männlichen und weiblichen College-Studenten in Pakistan. Die Ergebnisse der SEM-Analyse zeigen eine Inkompatibilität zwischen den gesammelten Daten und dem theoretischen TPB-Modell, mit dem sie angepasst wurden. Daher können die fünf in Abb. 1 dargestellten Hypothesen des TPB-Modells nicht getestet werden, und die Ergebnisse der SEM-Analyse können aufgrund der schlechten Übereinstimmung des Modells mit den Daten nicht interpretiert werden. Dennoch ermöglichen deskriptive Statistiken und Regressionsanalysen die Beobachtung von Beziehungen zwischen den interessierenden TPB-Konstrukten.

Die Ergebnisse unserer multiplen Regressionsanalyse zeigen, dass TPB-Konstrukte (SN und BI) das Verhalten von FFC positiv manifestierten. Die meisten Teilnehmer (58,2 %) hatten einen normalen BMI, während 9,1 % bzw. 4,1 % übergewichtig bzw. fettleibig waren. Der Anteil übergewichtiger Studierender ist höher als in ähnlichen Studien angegeben. Beispielsweise zeigten die Ergebnisse einer Studie, die an Schülern der Mittelschule (Grundschule/Grundschule) in Seoul durchgeführt wurde, dass 1,4 % der Teilnehmer zur Kategorie Übergewicht gehörten [1]. Unsere Studie kam außerdem zu dem Schluss, dass weibliche Studierende (46,3 %) sich mehr Sorgen um ihr Gewicht machten als männliche Studierende (34 %). Dies war ein interessantes Ergebnis, da eine ähnliche Studie, die Hyun-sun Seo in den USA durchgeführt hat, feststellte, dass männliche Studenten sich in der amerikanischen College-Kultur mehr Sorgen um ihr Gewicht und ihre Gesundheit machten als weibliche Studenten [54].

In dieser Studie betrachteten die meisten Studentinnen den Verzehr von Fast Food als Snack, während die männlichen Studenten es als Mahlzeit betrachteten, was mit mehreren Studien übereinstimmt [54, 55]. Dies könnte in gewissem Zusammenhang mit der Vorstellung stehen, dass Studentinnen über ihre tägliche Kalorienaufnahme nachdenken und dazu neigen, ihr Gewicht zu kontrollieren. Mehrere Studien deuten darauf hin, dass Ernährungsaufklärungsprogramme zum Energiegehalt von Fast Food dazu beitragen können, den übermäßigen Konsum von Fast Food wie Snacks zu verhindern. Diese Studie zeigte auch, dass Studenten Fast Food hauptsächlich in der Nähe ihres Zuhauses (32,3 %) und wenn sie mit Freunden unterwegs waren (42,7 %) konsumierten. Einige Schüler gaben auch an, beim Einkaufen oder bei geselligen Treffen in städtischen Gebieten der Stadt und des Stadtzentrums Fast Food zu sich zu nehmen. Die Studie von Hyun-sun Seo ergab auch, dass die meisten College-Studenten es vorziehen, in Fast-Food-Restaurants in der Stadt zu essen und Kontakte zu knüpfen, anstatt zu Hause oder in der Schule zu spielen [54].

Unsere Studie ergab einen mittleren BI-Score von 10,95 ± 5,336 für FFC. Der FFC korrelierte stark mit dem BI, basierend auf der Analyse der Pearson-Korrelation des Koeffizienten. Diese Ergebnisse deuten darauf hin, dass die meisten Studenten verstanden haben, dass Fast Food nicht gut für ihre Gesundheit ist, und dass sie sich der mit einer Fast-Food-Diät verbundenen Risiken bewusst sind. Einige Studien deuten jedoch darauf hin, dass das Ernährungswissen über die schädlichen Auswirkungen von FFC nicht ausreicht und dies die Einstellungen und Verhaltensweisen der Teilnehmer in Bezug auf ihre Lebensmittelauswahl beeinflussen könnte [56, 57]. Unter Berücksichtigung der Daten könnten Ernährungsinterventionsprogramme den Schülern Informationen über die schädlichen Auswirkungen von Fast Food liefern und möglicherweise einen gewissen Einfluss auf ihre FFC haben. Dieser Vorschlag muss jedoch noch in zukünftigen Studien untersucht werden.

Diese Studie zeigte, dass Freunde den größten Einfluss auf die FFC der Schüler in der Kategorie SN haben. Die Gesamtsumme des Mittelwerts der Freunde war im Vergleich zu Familie und Lehrern höher. Das Ergebnis legte auch nahe, dass das Bildungssystem Freunde als Zielgruppe nennen sollte, die den Konsum von Fast Food beeinflussen können. Die gleiche Schlussfolgerung wurde von anderen Studien mit ähnlichen Ergebnissen interpretiert [6, 54].

Der PBC-Wert war mit einem Wert von 31,73 von 52 moderat. Männliche Studierende gaben einen höheren PBC-Wert (33,88) an als weibliche Studierende (30,06). Dies bedeutet, dass externe Faktoren den Konsum von Fast Food bei männlichen Studenten nicht so stark beeinflussen wie bei weiblichen Studenten. Eine ähnliche Studie von Kamal Mirkarimi zeigte ähnliche Ergebnisse bei männlichen College-Studenten mit höheren PBC-Werten [55].

Bei Anwendung des Pearson-Korrelationskoeffizienten zwischen TBP- und FFC-Konstrukten korrelierte FFC stark mit BI. Einstellung, SN und PBC korrelierten mäßig mit FFC. Aufgrund der schlechten Übereinstimmung des Modells mit den Daten und der Inkompatibilität zwischen den gesammelten Daten und dem theoretischen TPB-Modell in der SEM-Analyse konnten wir die Hypothesen dieser TPB-Modelle jedoch nicht testen. In einer ähnlichen Studie wurde beobachtet, dass die Absicht, Fast Food zu konsumieren, ein starker Prädiktor für die Häufigkeit von FFC ist [58]. Die Regressionsanalyse zeigte, dass SN und PBC die stärksten Prädiktoren für BI sind. Einige Studien kamen jedoch zu unterschiedlichen Ergebnissen, wie z. B. Yarmohammai und Kollegen sowie Dunn und Kollegen, die berichteten, dass die Einstellung der wichtigste Prädiktor für BI war [27, 59]. Bezüglich FFC wurden SN und BI mit einem R2 von 0,603 als die stärksten Prädiktoren für FFC beobachtet. Dieses Ergebnis steht im Einklang mit einer Studie von Ebadi und Kollegen, die darauf hindeutet, dass BI ein starker Prädiktor für FFC ist [60]. Aufgrund dieser Ergebnisse kann diese Studie darauf hinweisen, dass starke Prädiktoren bei der Interventionsplanung zur Änderung der Ernährungsgewohnheiten der Schüler berücksichtigt werden sollten.

Eine an einer High School im Iran durchgeführte Studie zeigte, dass TPB die Varianz mit einer Rate von 25,7 % der Absichten erklärte, wobei die Einstellung der stärkste Prädiktor war (B = 0,31, P < 0,001) und SN der schwächste Faktor (B = 0,29, P). < 0,001) [61]. Eine weitere in Seoul durchgeführte Studie nutzte TPB, um die Faktoren zu bewerten, die FFC beeinflussen [1]. Es kam zu dem Schluss, dass TPB FFC-Verhalten mit einem relativ hohen R2 von etwa 0,6 zeigte. Mithilfe mehrerer Regressionen wurde beobachtet, dass FFC in einem sinnvollen Zusammenhang mit BI (b = 0,61, P < 0,001) und PBC (b = 0,19, P < 0,001) stand. Darüber hinaus stand BI ausdrücklich in Zusammenhang mit SN (b = 0,15, P < 0,01) und PBC (b = 0,56, P < 0,001) [1]. Bei der Untersuchung geschlechtsspezifischer Unterschiede mittels TPB wurde anerkannt, dass das Essverhalten von Jungen durch SN und PBC vorhergesagt wurde, während das Essverhalten von Mädchen durch Einstellungen, SN und Selbstwirksamkeit vorhergesagt wurde [62]. In einer anderen Studie gaben Studenten als Gründe für den Verzehr von Fast Food an, dass es günstig sei, dass es schmeckte und dass die Teilnehmer es genossen, Fast Food mit ihren Freunden zu essen [54]. Männliche Studierende gaben im Vergleich zu weiblichen Studierenden häufiger an, in Fast-Food-Restaurants zu essen [54].

Die Daten deuten darauf hin, dass solche sozialen Verhaltensweisen und der Konsum von westlich geprägtem Fast Food die traditionelle Kultur beeinflussen, in der die Mahlzeiten immer von der Familie zu Hause eingenommen werden. Darüber hinaus verändert sich der Geschmack hin zu westlichen Fast-Food-Optionen aufgrund der Kosteneffizienz und der Möglichkeit, Lebensmittel schnell zu verzehren.

Nach unserem besten Wissen ist dies die erste Studie, die die Verhaltensfaktoren untersucht, die sich durch die Anwendung von TPB auf die FFC von College-Studenten in Pakistan auswirken. Es verwendet einen umfassenden Fragebogen und sammelt eine erhebliche Menge an Daten im Zusammenhang mit der Assoziation zwischen TBP-Konstrukten und FFC. Um die Daten zu analysieren, verwendet diese Studie umfassende statistische Tests, die deskriptive Statistik, Chi-Quadrat, T-Test, Pearson-Korrelationskoeffizient, multiple lineare Regression und SEM umfassen. Dennoch weist diese Studie einige Einschränkungen auf. Es umfasste nur eine kleine Stichprobe von College-Studenten und berücksichtigte nicht einige Faktoren wie die Menge der Energieaufnahme sowie Makro- und Mikronährstoffe, die einen direkten Einfluss auf die Erhöhung des Risikos für die Entwicklung von FFC-bedingten Krankheiten haben könnten. Daher wird empfohlen, diese Studie mit einer größeren Stichprobe zu wiederholen, die diese Faktoren berücksichtigt.

Einschränkungen, die sich aus der SEM-Analyse ergeben, zeigen sich in der geringen internen Konsistenz, die für jedes Konstruktelement beobachtet wird. Wenn mit einer bestimmten latenten Variablen verbundene beobachtete Variablen nicht in der Lage sind, der latenten Variablen eine messbare Dimension zu verleihen, verringert sich der Cronbach-Alpha-Wert und zeigt damit, dass die lineare Beziehung von der beobachteten Variablen zur latenten Variablen nicht anwendbar ist. Darüber hinaus ist die Studie von der üblichen Methodenverzerrung betroffen [63], da der Fragebogen von Mirkarimi und Kollegen unverändert angepasst wurde; Sowohl positiv als auch negativ konnotierte Fragen verwenden dieselben Skalen, was die Möglichkeit einer einheitlichen Datenerfassung einschränkt und zu gemeinsamen Variationen führt. Dies zeigt sich in Aussagen wie „Ich denke, Fast Food ist nicht gut für die Gesundheit“ und „Ich denke, Fast Food kann uns alle lebenswichtigen Nährstoffe liefern“, die zur Messung der latenten Variablen „Einstellung“ verwendet werden. Beide Items verwenden die 4-stufige Likert-Skala. Durch die Verwendung von Items mit gegensätzlicher Konnotation auf derselben Skala führt der Fragebogen zu gemeinsamen Variationen zwischen den gemessenen Variablen für eine latente Variable [63].

Darüber hinaus ist die SEM-Analyse durch den Modellgrößeneffekt eingeschränkt, der durch zu viele beobachtete Variablen und damit eine große Anzahl an Freiheitsgraden verursacht wird. Dies führt zu einer schlechten Näherung der Chi-Quadrat-Verteilung und verhindert, dass der Chi-Quadrat-Wert die Güte der Anpassung zeigt, da der Chi-Quadrat-Test die korrektesten Modelle, die zu den Daten passen, ablehnt und so einen hohen Chi-Quadrat-Wert ergibt und niedriger p-Wert (< 0,001) [64]. Bei der SEM-Analyse führt eine Erhöhung der Anzahl der Indikatoren zu einer schlechten Anpassung der Daten an das angegebene Modell. Der in dieser Studie verwendete Fragebogen umfasst insgesamt 38 Elemente, die den Konstrukten von TPB entsprechen; Es wird empfohlen, für Proben, bei denen N etwa 200 beträgt, 30 oder weniger Elemente zu verwenden, andernfalls wird N ≥ 500 für größere Modelle mit mehr gemessenen Elementen empfohlen [65].

Die Ergebnisse dieser Studie können das Wissen über die Ernährung von College-Studenten erweitern und Programmplaner unterstützen, die die Gesundheit und das Wohlbefinden ihrer Studenten verbessern möchten. Dies könnte junge Menschen dazu ermutigen, die schädlichen Auswirkungen von übermäßigem FFC auf Gesundheit und Wohlbefinden zu verstehen. Basierend auf den Ergebnissen dieser Forschung unterstützen wir den Vorschlag, dass Ernährungserziehungsprogramme, die sich an Familie und Freunde von College-Studenten richten, dazu beitragen würden, den Konsum von Fast Food zu minimieren [32]. Darüber hinaus ist diese Forschung durch ihren Querschnittscharakter eingeschränkt. Die Teilnehmer konsumieren während ihres Studiums Fast Food und es scheint, dass dies im Einklang mit den in anderen Ländern diskutierten Forschungsergebnissen steht und nicht mit diesen übereinstimmt. Weitere Forschungsstudien, die den Einfluss der Akzeptanz und Ablehnung von FFC messen, wären hilfreich, um das Wissen auf diesem Gebiet zu erweitern. Darüber hinaus wäre es eine nützliche Studie, zu verstehen, warum College-Studenten an FFC teilnehmen und gleichzeitig die Risiken zu kennen, und möglicherweise die gelebten Erfahrungen dieser Studenten mithilfe einer phänomenologischen Methodik zu untersuchen. Hochschulen, die mit Gesundheits- und Regierungseinrichtungen zusammenarbeiten und ein Ernährungsbildungsprogramm planen, sollten bei der Planung von Verhaltensänderungen Sozialwissenschaften und soziale Normen berücksichtigen, da SN und PBC in der Studie offenbar vorgeschlagen werden.

Unter Berücksichtigung der Einschränkungen dieser Studie könnte zukünftige Forschung darauf abzielen, Hypothesen zu testen, die auf den Ergebnissen dieser Forschung basieren, beispielsweise die Untersuchung, ob externe Faktoren den FFC bei Frauen stärker beeinflussen als bei Männern. Wir empfehlen jedoch, dass die SEM-Analyse zum Testen der Hypothese im Zusammenhang mit den TPB-Konstrukten in der Entwurfsphase der Datenerfassung berücksichtigt werden muss, indem die Anzahl der Indikatoren begrenzt wird, um eine gute Anpassung der Daten an das angegebene Modell zu ermöglichen. Darüber hinaus sollte die zukünftige Forschung mehrere Altersgruppen einbeziehen und andere Faktoren im Zusammenhang mit der Natur von Fast Food bewerten, die einen direkten Einfluss auf die Gesundheit haben können. Zukünftige Forschungen sollten Essgewohnheiten und FFC mit anderen Arten objektiver und messbarer klinischer Daten verknüpfen, damit Forscher nicht nur die Existenz eines Zusammenhangs zwischen diesen Faktoren und einer Vielzahl nichtübertragbarer Krankheiten nachweisen, sondern auch das Ausmaß des Zusammenhangs quantifizieren können.

Die Verwendung der SEM-Analyse zum Testen der Hypothese im Zusammenhang mit den TPB-Konstrukten erfordert eine Begrenzung der Anzahl der Indikatoren (≤ 30) oder eine größere Stichprobengröße (N ≥ 500), um eine gute Anpassung der Daten an das angegebene Modell zu ermöglichen. Die Studienergebnisse deuten darauf hin, dass die Entscheidung pakistanischer College-Studenten, Fast Food zu konsumieren, hauptsächlich von ihren Freunden und der zunehmenden Beliebtheit von Fast Food in Pakistan beeinflusst wird, obwohl sie wissen, dass Fast Food ungesund ist. Daher sollten sich Bildungsprogramme zur Reduzierung von FFC auf spezifische schädliche Auswirkungen von Fast Food konzentrieren und nicht nur auf das allgemeine Wissen über seine negativen Auswirkungen. Die Studienergebnisse deuten auch darauf hin, dass SN und BI unter den Konstrukten TPB die stärksten Prädiktoren für FFC sind. Daher können Gesundheitsorganisationen und Hochschuleinrichtungen unsere Daten nutzen, um gezielte interventionelle Gesundheitsstrategien zu entwickeln. Diese Studie liefert auch Daten, die für zukünftige soziologische, epidemiologische, psychologische und ernährungswissenschaftliche Forschung nützlich sein könnten.

Die während der aktuellen Studie verwendeten und/oder analysierten Datensätze sind auf begründete Anfrage beim jeweiligen Autor erhältlich.

Body-Mass-Index

Verhaltensabsicht

Chi-Quadrat

Vergleichender Anpassungsindex

Fast-Food-Konsum

Mittlerer quadratischer Fehler der Näherung

Modellierung von Strukturgleichungen

Subjektive Norm

Wahrgenommene Verhaltenskontrolle

Theorie des geplanten Verhaltens

Tucker-Lewis-Index

Seo HS, Lee SK, Nam S. Faktoren, die das Fast-Food-Konsumverhalten von Mittelschülern in Seoul beeinflussen: eine Anwendung der Theorie des geplanten Verhaltens. Nutr Res Pract. 2011;5(2):169–v.

Artikel PubMed PubMed Central Google Scholar

Nyachuba DG. Lebensmittelbedingte Krankheiten: Nehmen sie zu? Nutr Rev. 2010;68(5):257–69.

Artikel PubMed Google Scholar

WER. Übergewicht und Fettleibigkeit. 2021. https://www.who.int/news-room/fact-sheets/detail/obesity-and-overweight. Zugriff am 20. Dezember 2022.

Manuel SS, Luis GM. Ernährung, Fettleibigkeit und Asthmaausbruch bei Kindern Die Rolle der Lungenfunktion. Nährstoffe. 2021;13(11):3837.

Artikel CAS PubMed PubMed Central Google Scholar

Lim HJ, Xue H, Wang Y. Globale Trends bei Fettleibigkeit. In: Meiselman HL, Herausgeber. Handbuch des Essens und Trinkens: Interdisziplinäre Perspektiven. Springer International Publishing; 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. Bestimmung der Absicht, des Fast-Food-Konsums und der damit verbundenen Faktoren bei Universitätsstudenten mithilfe einer Verhaltensänderungstheorie. BMC öffentliche Gesundheit. 2022;22(1):1–10.

Artikel Google Scholar

Pase MP, Himali JJ, Beiser AS, Aparicio HJ, Satizabal CL, Vasan RS, et al. Zucker- und künstlich gesüßte Getränke und die Risiken von Schlaganfall und Demenz: Eine prospektive Kohortenstudie. Schlaganfall. 2017;48(5):1139–46.

Artikel CAS PubMed PubMed Central Google Scholar

Pereira MA, Kartashov AI, Ebbeling CB, Van Horn L, Slattery ML, Jacobs DR, et al. Fast-Food-Gewohnheiten, Gewichtszunahme und Insulinresistenz (die CARDIA-Studie): 15-jährige prospektive Analyse. Lanzette. 2005;365(9453):36–42.

Artikel PubMed Google Scholar

Popkin BM, Adair LS, Ng SW. Globale Ernährungsumstellung und die Adipositas-Pandemie in Entwicklungsländern. Nutr Rev. 2012;70(1):3–21.

Artikel PubMed Google Scholar

Janssen HG, Davies IG, Richardson LD, Stevenson L. Determinanten des Essens zum Mitnehmen und Fast-Food-Konsum: eine narrative Rezension. Nutr Res Rev. 2018;31(1):16–34.

Artikel PubMed Google Scholar

Memon NA. Fast Food: zweitgrößte Industrie in Pakistan. Pakistan Food J. 2016;3(1):1–3.

Google Scholar

Baig AK, Saeed M. Überblick über Trends beim Fast-Food-Konsum. Eur J Econ Finance Adm Sci. 2012;48:77–85.

Google Scholar

Greenfield M. Indien: Wie oft essen Sie in einer bestimmten Woche (im Durchschnitt) Fast Food (ein beliebiges Schnellrestaurant)? Hearst-Magazin. 2018;2018:5–9.

Google Scholar

Qasmi S, Akhtar U, Akram U, Raza H, Ali A, Rana T. Drift des Fast-Food-Konsums in der pakistanischen Bevölkerung. J Food Nutr Sci. 2014;2(1):13–8.

Google Scholar

Asif M, Aslam M, Altaf S, Atif S, Majid A. Prävalenz und soziodemografische Faktoren von Übergewicht und Adipositas bei pakistanischen Erwachsenen. J Obes Metab Syndr. 2020;29(1):58–66.

Artikel PubMed PubMed Central Google Scholar

Siddiqui M, Hameed R, Nadeem M, Mohammad T, Simbak N, Latif A, et al. Fettleibigkeit in Pakistan; aktuelle und zukünftige Wahrnehmungen. J Curr Trends Biomed Eng Biosci. 2018;17:001–4.

Google Scholar

Boek S, Bianco-Simeral S, Chan K, Goto K. Geschlecht und Rasse bestimmen maßgeblich die Essensauswahl der Studenten auf einem College-Campus. J Nutr Educ Behav. 2012;44(4):372–8.

Artikel PubMed Google Scholar

Younas B, Khalid WA, Hassan MU. Fast-Food-Konsum und erhöhte Kalorienaufnahme führen zu Fettleibigkeit, eine Umfrage unter pakistanischen Teenagern. Syst Rev Pharm. 2021;12(10):3359–61.

Google Scholar

Gordon-Larsen P, Adair LS, Nelson MC, Popkin BM. Fünfjährige Inzidenz von Fettleibigkeit in der Übergangszeit zwischen Jugend und Erwachsenenalter: die National Longitudinal Study of Adolescent Health. Bin J Clin Nutr. 2004;80(3):569–75.

CAS PubMed Google Scholar

Woodward DR, Boon JA, Cumming FJ, Ball PJ, Williams HM, Hornsby H. Die Verwendung ausgewählter Lebensmittel durch Jugendliche in Bezug auf ihre Wahrnehmung und sozialen Normen für diese Lebensmittel. Appetit. 1996;27(2):109–17.

Artikel CAS PubMed Google Scholar

Dunn KI, Mohr PB, Wilson CJ, Wittert GA. Überzeugungen über Fast Food in Australien: eine qualitative Analyse. Appetit. 2008;51(2):331–4.

Artikel PubMed Google Scholar

Branscum P, Sharma M. Verwendung der Theorie des geplanten Verhaltens zur Vorhersage von zwei Arten des Snackkonsums bei Grundschulkindern im Mittleren Westen: Auswirkungen auf die Praxis. Int Q Community Health Educ. 2012;32(1):41–55.

Artikel Google Scholar

Ajzen I. Die Theorie des geplanten Verhaltens. Organverhaltens-Entscheidungsprozess. 1991;50(2):179–211.

Artikel Google Scholar

Godin G, Kok G. Die Theorie des geplanten Verhaltens: eine Überprüfung ihrer Anwendungen auf gesundheitsbezogenes Verhalten. Bin J Gesundheitsförderer. 1996;11(2):87–98.

Artikel CAS PubMed Google Scholar

Ajzen I, Fishbein M. Einstellungen verstehen und soziales Verhalten vorhersagen. New Jersey: Prentice-Hall, Englewood Cliffs; 1980.

Voss KE, Spangenberg ER, Grohmann B. Messung der hedonistischen und utilitaristischen Dimensionen der Verbrauchereinstellung. J Mark Res. 2003;40(3):310–20.

Artikel Google Scholar

Dunn KI, Mohr P, Wilson CJ, Wittert GA. Determinanten des Fast-Food-Konsums. Eine Anwendung der Theorie des geplanten Verhaltens. Appetit. 2011;57(2):349–5.

Artikel PubMed Google Scholar

Ajzen I. Die Theorie des geplanten Verhaltens: Häufig gestellte Fragen. Hum Behav Emerg Technol. 2020;2(4):314–24.

Artikel Google Scholar

Nystrand BT, Olsen SO. Einstellungen und Absichten der Verbraucher zum Verzehr funktioneller Lebensmittel in Norwegen. Lebensmittelqualität bevorzugen. 2020;80:103827.

Artikel Google Scholar

Montano DE, Kasprzyk D. Theorie des begründeten Handelns, Theorie des geplanten Verhaltens und das integrierte Verhaltensmodell. Gesundheitsverhaltenstheorie und Praktikum. 2015;70(4):231.

Google Scholar

LaMorte WW. Verhaltensänderungsmodelle: Die Theorie des geplanten Verhaltens. Abgerufen im Dezember. 2019;20:2019.

Google Scholar

Ajzen I. Einstellungen und Verhalten der Verbraucher: Die Theorie des geplanten Verhaltens, angewendet auf Entscheidungen zum Lebensmittelkonsum. Italienische Rev. Agrarökon. 2015;70(2):121–38.

Google Scholar

McDermott MS, Oliver M, Svenson A, Simnadis T, Beck EJ, Coltman T, et al. Die Theorie des geplanten Verhaltens und der diskreten Lebensmittelauswahl: eine systematische Überprüfung und Metaanalyse. Int J Behav Nutr Phys Act. 2015;12(1):1–11.

Artikel Google Scholar

Poirier MJ, Grépin KA, Grignon M. Ansätze und Alternativen zum Vermögensindex zur Messung des sozioökonomischen Status anhand von Umfragedaten: eine kritische interpretative Synthese. Soc Indic Res. 2020;148(1):1–46.

Artikel Google Scholar

Rutstein SO, Staveteig S. Vergleichbarkeit des Wohlstandsindex aus Bevölkerungs- und Gesundheitsumfragen. Rockville: ICF International; 2014.

Brooks-Gunn J, Klebanov P, Liaw Fr, Duncan G. Auf dem Weg zu einem Verständnis der Auswirkungen der Armut auf Kinder. In: Zuckerman BS, Fitzgerald HE, Lester BM. Kinder der Armut. New York: Routledge; 2021. S. 3–41.

Malik SM, Bhutta ZA. Reform der primären Gesundheitsversorgung in Pakistan. Lanzette. 2018;392(10156):1375–7.

Artikel PubMed Google Scholar

Armitage CJ, Conner M. Wirksamkeit der Theorie des geplanten Verhaltens: Eine metaanalytische Überprüfung. Br J Soc Psychol. 2001;40(4):471–99.

Artikel CAS PubMed Google Scholar

Fila SA, Smith C. Anwendung der Theorie des geplanten Verhaltens auf gesundes Essverhalten bei städtischen indianischen Jugendlichen. Int J Behav Nutr Phys Act. 2006;3(1):11.

Artikel PubMed PubMed Central Google Scholar

Kim YG. Ökologische Bedenken hinsichtlich des Verzehrs gentechnisch veränderter (GV) Lebensmittel unter Verwendung der Theorie des geplanten Verhaltens (TPB). Procedia Soc Behav Sci. 2014;159:677–81.

Artikel Google Scholar

Al-Swidi A, Mohammed Rafiul Huque S, Haroon Hafeez M, Noor Mohd Shariff M. Die Rolle subjektiver Normen in der Theorie des geplanten Verhaltens im Kontext des Bio-Lebensmittelkonsums. British Food J. 2014;116(10):1561–80.

Artikel Google Scholar

Mirkarimi K, Mansourian M, Kabir MJ, Ozouni-Davaji RB, Eri M, Hosseini SG, et al. Fast-Food-Konsumverhalten bei Oberstufenschülern basierend auf der Theorie des geplanten Verhaltens (TPB). Int J Pädiatr. 2016;4(7):2131–42.

Google Scholar

Wang C, Tee M, Roy AE, Fardin MA, Srichokchatchawan W, Habib HA, et al. Die Auswirkungen der COVID-19-Pandemie auf die körperliche und geistige Gesundheit von Asiaten: Eine Studie über sieben Länder mit mittlerem Einkommen in Asien. Plus eins. 2021;16(2):e0246824.

Artikel CAS PubMed PubMed Central Google Scholar

Esteghamati A, Khalilzadeh O, Anvari M, Meysamie A, Abbasi M, Forouzanfar M, et al. Die wirtschaftlichen Kosten von Diabetes: eine bevölkerungsbasierte Studie in Teheran. Iranische Diabetologie. 2009;52(8):1520–7.

Artikel CAS PubMed Google Scholar

Hacke SL. Probleme und Verfahren bei der Einführung von Strukturgleichungsmodellierungstechniken. J Quant-Methoden. 2008;3(1):76.

Google Scholar

Fan Y, Chen J, Shirkey G, John R, Wu SR, Park H, et al. Anwendungen der Strukturgleichungsmodellierung (SEM) in ökologischen Studien: eine aktualisierte Übersicht. Ökologischer Prozess. 2016;5:1–12.

Artikel Google Scholar

Taris T. BM Byrne, Strukturgleichungsmodellierung mit AMOS: Grundlegende Konzepte, Anwendungen und Programmierung Mahwah NJ: Lawrence Erlbaum, 2001 0–8058-3322-6. Eur J Arbeit Organ Psy. 2002;11:243–6.

Google Scholar

Garver MS, Mentzer JT. Methoden der Logistikforschung: Verwendung von Strukturgleichungsmodellen zur Prüfung der Konstruktvalidität. J Bus-Logist. 1999;20(1):33.

Google Scholar

Kline RB. Modellierung von Strukturgleichungen. New York: Guilford; 1998.

Google Scholar

Tavakol M, Dennick R. Cronbachs Alpha verstehen. Int J Med Educ. 2011;2:53–5.

Artikel PubMed PubMed Central Google Scholar

Pallant J. SPSS-Überlebenshandbuch: Eine Schritt-für-Schritt-Anleitung zur Datenanalyse mit IBM SPSS. 7. Aufl. London: Routledge; 2020.

Nunnally JC. Psychometrische Theorie. 2. Aufl. New York: McGraw-Hill; 1978.

Collier JE. Angewandte Strukturgleichungsmodellierung mit AMOS: Grundlegende bis fortgeschrittene Techniken. 1. Aufl. New York: Routledge; 2020.

Morse KL, Driskell JA. Beobachtete geschlechtsspezifische Unterschiede beim Fast-Food-Konsum und bei der Selbsteinschätzung und Ernährungsüberzeugungen von College-Studenten. Ernährungsforschung. 2009;29(3):173-9. https://doi.org/10.1016/j.nutres.2009.02.004.

Shaban L, Alkazemi D. Trends im Fast-Food-Konsum unter kuwaitischen Jugendlichen. Int J Vorheriges Med. 2019;10:44. https://doi.org/10.4103/ijpvm.IJPVM_480_18.

Baeck B, Lee Y. Verbraucherbewusstsein und Richtlinien zu Lebensmittelzusatzstoffen – mit Schwerpunkt auf Verbraucherinformationen. J Consum Stud. 2006;17(3):133–50.

Google Scholar

Aoki K, Shen J, Saijo T. Verbraucherreaktion auf Informationen über Lebensmittelzusatzstoffe: Erkenntnisse aus einem Essexperiment und einer Feldbefragung. J Econ Behav Organ. 2010;73(3):433–8.

Artikel Google Scholar

Abraham S., Martinez M., Salas G., Smith J. Wahrnehmung von Risikofaktoren im Zusammenhang mit dem Fast-Food-Konsum und ihren Essgewohnheiten durch College-Studenten. J Nutr Hum Gesundheit. 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. Prädiktoren für den Fast-Food-Konsum bei Oberstufenschülern basierend auf der Theorie des geplanten Verhaltens. Gesundheitssystem Res. 2011;7(4).

Ebadi L, Rakhshanderou S, Ghaffari M. Determinanten des Fast-Food-Konsums bei Studenten aus Teheran: Anwendung der Theorie des geplanten Verhaltens. Int J Pädiatr. 2018;6(10):8307–16.

Google Scholar

Sharifirad G, Yarmohammadi P, Azadbakht L, Morowatisharifabad MA, Hassanzadeh A. Determinanten des Fast-Food-Konsums bei iranischen Oberstufenschülern basierend auf der Theorie des geplanten Verhaltens. J Obes. 2013;2013:147589.

Artikel PubMed PubMed Central Google Scholar

Fila SA, Smith C. Anwendung der Theorie des geplanten Verhaltens auf gesundes Essverhalten bei städtischen indianischen Jugendlichen. Int J Behav Nutr Phys Act. 2006;3(1):1–10.

Artikel Google Scholar

Kock N. Häufige Methodenverzerrung bei PLS-SEM: Ein vollständiger Ansatz zur Bewertung der Kollinearität. Int J e-Collaboration (ijec). 2015;11(4):1–10.

Artikel Google Scholar

Deng L, Yang M, Marcoulides KM. Strukturgleichungsmodellierung mit vielen Variablen: Eine systematische Überprüfung von Problemen und Entwicklungen. Frontpsychol. 2018;9:580.

Artikel PubMed PubMed Central Google Scholar

Shi D, Lee T, Maydeu-Olivares A. Den Einfluss der Modellgröße auf SEM-Anpassungsindizes verstehen. Educ Psychol Measur. 2019;79(2):310–34.

Artikel PubMed Google Scholar

Referenzen herunterladen

Die Autoren danken der University of South Asia und der Khalifa University für die Unterstützung dieser Forschung. Ein besonderer Dank geht an Dr. Ahsan Javed, Frau Syeda Iqra Faiyaz und Rida Saeed für ihre Unterstützung in der Vorphase dieser Forschung.

Diese Forschung erhielt keine Förderung.

Fakultät für Alliierte Gesundheitswissenschaften, Universität Südasien, Lahore, Pakistan

Maryam Sajjad

Hochschule für Medizin und Gesundheitswissenschaften, Khalifa University, Abu Dhabi, Vereinigte Arabische Emirate

Afifa Bhatti

Abteilung für Krankenpflege, Hebammenwesen und Gesundheit, University of Northumbria, Newcastle Upon Tyne, Großbritannien

Barry Hill

Abteilung für Epidemiologie und Bevölkerungsgesundheit, Hochschule für Medizin und Gesundheitswissenschaften, Khalifa-Universität, Abu Dhabi, Vereinigte Arabische Emirate

Basem Al Omari

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Konzeptualisierung, MS; Methodik, MS, AB und BA; Software, MS und AB; Validierung, MS und BA; formale Analyse, MS und AB; Untersuchung, MS; Ressourcen, MS; Datenkuration, MS, AB, BH und BA; Schreiben – Originalentwurfsvorbereitung, MS, AB, BH und BA; Schreiben – Überprüfen und Bearbeiten, MS, AB, BH und BA; Supervision, BA; Projektverwaltung, MS und BA Alle Autoren haben die veröffentlichte Version des Manuskripts gelesen und sind damit einverstanden.

Korrespondenz mit Basem Al-Omari.

Die Studie wurde in Übereinstimmung mit der Deklaration von Helsinki durchgeführt und vom Institutional Review Board der University of South Asia, Pakistan, genehmigt. Die Einverständniserklärung aller an der Studie beteiligten Probanden und der Eltern der 42 Schüler unter 18 Jahren wurde eingeholt.

Unzutreffend.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Zusatzdatei 1.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/. Der Creative Commons Public Domain Dedication-Verzicht (http://creativecommons.org/publicdomain/zero/1.0/) gilt für die in diesem Artikel zur Verfügung gestellten Daten, sofern in einer Quellenangabe für die Daten nichts anderes angegeben ist.

Nachdrucke und Genehmigungen

Sajjad, M., Bhatti, A., Hill, B. et al. Verwendung der Theorie des geplanten Verhaltens zur Vorhersage von Faktoren, die den Fast-Food-Konsum bei College-Studenten beeinflussen. BMC Public Health 23, 987 (2023). https://doi.org/10.1186/s12889-023-15923-1

Zitat herunterladen

Eingegangen: 02. Januar 2023

Angenommen: 18. Mai 2023

Veröffentlicht: 27. Mai 2023

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

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt