Uso de la teoría del comportamiento planificado para predecir factores que influyen rápidamente

May 29, 2023

BMC Public Health volumen 23, Número de artículo: 987 (2023) Citar este artículo

393 Accesos

2 Altmetric

Detalles de métricas

El propósito de esta investigación es examinar los factores de comportamiento que afectan el consumo de comida rápida (FFC) entre los estudiantes universitarios de Pakistán mediante la aplicación de la teoría del comportamiento planificado (TPB).

Se distribuyó una encuesta transversal a estudiantes universitarios en Pakistán. El cuestionario examina los factores asociados con seis categorías: datos demográficos, patrón de FFC, intención de FFC, actitudes hacia FFC, normas subjetivas (SN) y control conductual percibido (PBC). El análisis de datos se realizó con el software SPSS y SPSS AMOS utilizando estadísticas descriptivas, estadísticas inferenciales (chi-cuadrado, prueba t, correlación de Pearson y análisis de regresión múltiple) y análisis de modelos de ecuaciones estructurales (SEM).

Se completaron un total de 220 cuestionarios (97 hombres y 123 mujeres). Hubo diferencias significativas en la asociación de FFC con el género. Entre los constructos de TPB, la intención conductual (BI) y la SN son los predictores más fuertes de la FFC (p < .05). TPB ha predicho significativamente el comportamiento de FFC con una varianza de R2 0.603. El análisis SEM muestra que los datos recogidos eran incompatibles con el modelo teórico TPB, haciendo inviable probar nuestras cinco hipótesis o interpretar los resultados debido al mal ajuste del modelo con los datos.

Para garantizar un buen ajuste de los datos con el modelo TPB especificado en el análisis SEM, el número de indicadores debe ser limitado (≤ 30) o el tamaño de la muestra debe ser mayor (N ≥ 500). El FFC de los estudiantes universitarios paquistaníes está influenciado principalmente por los amigos y la creciente popularidad de la comida rápida, a pesar de su conocimiento de sus efectos negativos para la salud. Los programas educativos deben centrarse en los efectos nocivos específicos de la comida rápida, y SN y BI son los predictores más fuertes de FFC entre las construcciones TPB. Estos hallazgos pueden ser útiles para desarrollar estrategias de salud intervencionista específicas e investigaciones futuras.

Informes de revisión por pares

Recientemente, los restaurantes de comida rápida a menudo se consideran un regalo especial para los niños [1], lo que contribuye al aumento de la prevalencia de la obesidad y otras enfermedades relacionadas con los alimentos [1, 2]. En 2016, más de 340 millones de niños y adultos jóvenes de 5 a 19 años tenían sobrepeso u obesidad [3]. En 2020, 39 millones de niños menores de 5 años fueron diagnosticados con obesidad o sobrepeso [4]. Desde 1975, la obesidad mundial casi se ha triplicado, con más de 1900 millones de adultos mayores de 18 años con sobrepeso y más de 650 millones obesos [5].

Además, ahora hay varias enfermedades no transmisibles identificadas directamente relacionadas con las dietas basadas en comida rápida [6]. Estos incluyen obesidad, enfermedad cardiovascular, diabetes mellitus tipo 2, hipertensión y una mayor probabilidad de accidente cerebrovascular [7]. Un estudio ha informado una clara correlación entre el consumo regular de comida rápida (FFC) y el aumento de peso, así como un mayor riesgo de resistencia a la insulina durante 15 años. Las personas que comían en restaurantes de comida rápida más de dos veces por semana ganaron un promedio de 4,5 kg más de peso y experimentaron un aumento del 104 % en la resistencia a la insulina en comparación con los que comían menos de una comida rápida por semana, ambos al principio y fin del estudio [8].

Los adolescentes tienen una alta tendencia a consumir productos de comida rápida de alto contenido energético, lo que lleva a una importante investigación científica en esta área [1]. Esta preferencia por la comida rápida es particularmente frecuente en países de ingresos bajos y medianos como Pakistán y, a menudo, se considera una transición nutricional de las dietas tradicionales a una dieta más occidentalizada, que se caracteriza por un consumo excesivo de alimentos procesados ​​y con alto contenido de grasas. así como bebidas azucaradas y dulces [9, 10]. Los cambios culturales de FFC en Pakistán están impulsados ​​por la normalización de las dietas de comida rápida entre los adultos jóvenes y adolescentes, la conveniencia de las opciones de comida rápida occidental, los precios competitivos y el uso de celebridades en el marketing [11]. Otros temas incluyen la influencia de la presión de grupo y la comida rápida como una solución rápida para padres ocupados [12, 13]. Esto está dando lugar a la creciente popularidad de la comida rápida, que actualmente crece a un ritmo del 20 % anual en Pakistán [14].

La carga de la obesidad en los países en desarrollo, incluido Pakistán, ha aumentado significativamente. La mayor disponibilidad de comida rápida y el aumento de los estilos de vida sedentarios de las personas han provocado que ¼ de la población de Pakistán sea ahora obesa [15, 16]. En 2018, se informó que el 16,2 % de los estudiantes que estudiaban en Pakistán eran obesos y el 15 % tenían sobrepeso [16], lo que indica que la generación más joven de Pakistán tiene un mayor riesgo de muerte prematura y problemas de salud debido a complicaciones relacionadas con la obesidad. Los adolescentes varones son aquellos identificados como los que toman peores decisiones al consumir comidas rápidas [17, 18].

Evaluar y evaluar la ingesta de comida rápida entre adolescentes y adultos jóvenes es crucial para detectar factores asociados con el sobrepeso y la obesidad [19]. La identificación de factores influyentes, como las preferencias alimentarias, los patrones de alimentación familiar y las normas sociales, puede orientar las intervenciones que promueven conductas alimentarias saludables [20]. La Teoría del Comportamiento Planificado (TPB) es un modelo bien conocido que predice el comportamiento alimentario basado en normas y creencias relacionadas con el consumo de comida rápida y bocadillos [21, 22]. Derivado de la teoría de la acción de la razón (TRA), TPB explica los comportamientos de salud que no están completamente bajo el control de un individuo. Además, TPB permite una buena comprensión de las actitudes e intenciones de las personas sobre sus elecciones de alimentos [23]. También se observa que el control conductual percibido (PBC) es el aspecto más significativo de TPB [24]. El TPB detalla cómo las influencias sobre un individuo determinan sus decisiones de seguir un comportamiento particular. Además, la TPB es eficaz porque incluye estos constructos principales: actitudes, normas subjetivas (SN), PBC e intenciones [21, 23].

De acuerdo con la TPB, 'actitud' es la evaluación positiva o negativa de una persona de un resultado particular relacionado con un comportamiento, como comer comida rápida [25]. La actitud tiene dos componentes: la actitud afectiva, que refleja las emociones de una persona, y la actitud cognitiva, que refleja sus conocimientos o creencias. Es más probable que las actitudes positivas respalden la intención de comportamiento (IB), mientras que es más probable que las actitudes negativas la obstaculicen [26, 27]. El concepto de CBP engloba dos dimensiones de percepción de control y autoeficacia [28]. La percepción de control se relaciona con factores externos como la accesibilidad, la dificultad de la tarea y el comportamiento de los demás, mientras que la autoeficacia involucra factores internos como la motivación, la capacidad y la personalidad [29]. La TPB postula que ambas dimensiones de la CBP facilitan la formación de (BI) para acciones positivas e impiden la intención para acciones negativas. SN se refiere a la percepción de un individuo de la influencia social que lo alienta o lo desalienta a participar en un comportamiento particular. Estas percepciones se basan en las actitudes de individuos significativos, conocidos como referentes, que aprueban o desaprueban el comportamiento en cuestión [30].

El TPB predice y explica una variedad de conductas e intenciones relacionadas con la salud, como fumar, beber, utilizar los servicios de salud, amamantar y consumir sustancias. Los constructos de TPB colectivamente representan el control real de una persona sobre el comportamiento [31]. De acuerdo con la TPB, el deseo de acción de una persona será mayor si tiene una visión más favorable sobre lo que está haciendo, su PBC y el SN. Una intención más fuerte, además de tener un control del comportamiento percibido, indica una mayor probabilidad de completar el comportamiento [32].

Una revisión sistemática reciente de la elección de alimentos ha demostrado que las actitudes de las personas están fuertemente correlacionadas con la intención, SN y PBC, y la intención tiene una fuerte asociación con el comportamiento en comparación con PBC [33]. La literatura disponible actual tiende a explorar la TPB en países occidentales de altos ingresos, con datos limitados disponibles para países de bajos ingresos. Por lo tanto, hay varias consideraciones que deben manejar los investigadores debido a la singularidad de aplicar dicha investigación a un país de bajos ingresos como Pakistán. Por ejemplo, el estatus socioeconómico representa la causa básica subyacente de la desnutrición y se compone de múltiples variables, como el tipo de instalaciones sanitarias, la fuente de agua potable y la infraestructura de la vivienda [34, 35]. El estatus socioeconómico deficiente está directamente relacionado con el analfabetismo, el desempleo, el poder adquisitivo reducido y los resultados nutricionales y de salud deficientes [36]. Estudios realizados en China, México y países de África Subsahariana han demostrado un mayor riesgo de coexistencia de retraso del crecimiento con sobrepeso/obesidad en niños de clase socioeconómica baja que en niños de clase socioeconómica alta. Además, en Pakistán, la doble carga de la desnutrición es cada vez más evidente, con casi uno de cada tres niños con peso inferior al normal (28,9 %) junto con una alta prevalencia de sobrepeso (9,5 %) [37].

Teniendo en cuenta tales diferencias en Pakistán en comparación con FFC occidentalizado de altos ingresos, no está claro si un modelo que predice algunos parámetros relacionados con FFC funcionará en países de bajos ingresos. Como resultado, parece que se requiere probar la utilidad de los modelos en cada grupo. Este estudio analiza los determinantes de la ingesta de comida rápida entre estudiantes universitarios en Pakistán, utilizando el modelo TPB para mejorar la previsibilidad de la intención y el comportamiento. Además, este estudio agregará más literatura sobre los hábitos de FFC de los estudiantes en un país altamente poblado como Pakistán. Por lo tanto, el propósito de esta investigación es examinar los factores de comportamiento que afectan la FFC entre estudiantes universitarios en Pakistán mediante la aplicación de TPB. Los resultados ayudarían a planificar programas de intervención nutricional.

El TPB se ha utilizado ampliamente y los resultados muestran que las actitudes, el SN y el PBC explican una gran parte de la variación en una variedad de comportamientos [38]. Según el estudio realizado en jóvenes nativos americanos, SN y PBC predicen el 30% de la variación en la intención de adoptar conductas alimentarias más saludables [39]. Cuando se aplicó TPB al consumo de alimentos modificados genéticamente, el poder explicativo del modelo fue del 44,4 %, siendo la actitud el predictor más fuerte [40], mientras que en los estudios de consumo de alimentos orgánicos, el SN y la actitud fueron los predictores más importantes de la intención [41] . En este estudio, nuestro objetivo es probar las siguientes hipótesis basadas en el modelo TPB como se describe en la Fig. 1:

H1: Una actitud favorable predice la intención de consumir comida rápida.

H2: SN predice la intención de consumir comida rápida.

H3: PBC predice la intención de consumir comida rápida.

H4: PBC predice FFC.

H5: Las intenciones de comportamiento predicen FFC.

Modelización de las variables latentes de la TPB cuyas hipótesis se contrastan mediante SEM

Este estudio transversal se realizó en estudiantes universitarios en la región de Punjab de Pakistán en 2020. En esta investigación se utilizó un muestreo intencional. El objetivo de este estudio fue examinar los comportamientos de FFC en estudiantes universitarios basados ​​en TPB. Los criterios de inclusión del estudio fueron estudiantes mayores de 16 años, que es la edad promedio de los estudiantes universitarios en Pakistán. Los estudiantes universitarios que seguían una dieta especial, como una dieta de intervención nutricional, y los que consumían medicamentos para enfermedades gastrointestinales, fueron excluidos del estudio de investigación. Para este estudio se reclutó un total de 220 estudiantes universitarios.

Este estudio utilizó el cuestionario de Mirkarimi y sus colegas para investigar el comportamiento de FFC entre estudiantes universitarios en Pakistán utilizando TPB [42]. El cuestionario se dividió en seis categorías (demografía, patrón de FFC, intención de consumir comida rápida, actitudes hacia FFC, SN y PBC), incluyó 52 preguntas y una escala Likert de 4 opciones de respuesta (1: nada, 2 : un poco, 3: algo, 4: mucho) [42]. Este cuestionario se probó originalmente y posteriormente se aplicó en Irán. La validez aparente fue examinada por tres especialistas en educación para la salud y dos especialistas en nutrición, y su validez de contenido fue examinada por siete especialistas en educación para la salud y dos especialistas en nutrición [42]. Pakistán tiene culturas de enseñanza y aprendizaje, educación primaria, secundaria y superior, así como entornos de atención médica similares a los de Irán [43, 44]. Por lo tanto, el uso de este cuestionario se considera apropiado para esta investigación en Pakistán.

La primera sección del cuestionario incluye preguntas sobre talla, peso, IMC, educación de la madre, educación del padre, interés por la salud, interés por el control del peso y con quién suele comer. La segunda sección fue sobre patrones de FFC. Contiene preguntas sobre el tipo de comida rápida que más consumen (hamburguesa, papas fritas, pizza, donas y pollo frito), razones por las que consumen comida rápida, con quién les gusta comer comida rápida y lugares donde comen comida rápida.

Esta parte contenía 39 preguntas sobre los cuatro constructos de la TPB (BI, actitudes, SN y PBC). Estas preguntas se evaluaron mediante una escala tipo Likert de 4 puntos (1: nada, 2: un poco, 3: algo, 4: mucho).

La primera sección explora el IB para consumir comida rápida haciendo cinco preguntas sobre diferentes artículos de comida rápida. Se hacen preguntas sobre la inclinación/intención de consumir hamburguesas, papas fritas, pizza, pollo frito y donas en un mes como 'tengo la intención de comer hamburguesas en un mes'. Las puntuaciones para medir el IB oscilaron entre 5 y 20.

La segunda sección estudia las actitudes hacia FFC haciendo 12 preguntas sobre la familiaridad, el estado de salud, los nutrientes vitales, el sabor, el atractivo del entorno, el tamaño de la porción de comida rápida, el contenido de energía y sal de la comida, el contenido de grasa en la comida, las creencias acerca de convertirse en sobrepeso después de comer comida rápida, y la relación entre la comida rápida y el peso corporal. Las puntuaciones para medir las actitudes oscilaron entre 12 y 48.

La tercera sección investiga la SN determinando las creencias normativas y la motivación para cumplir. Hace nueve preguntas sobre el impacto de la familia, los maestros y los amigos en las creencias de FFC, como "Creo que a mis amigos les gustaría mi consumo de comida rápida" o "Sigo las creencias de mi familia". Las puntuaciones para medir el SN oscilaron entre 9 y 27.

La cuarta sección explora PBC hacia FFC haciendo 13 preguntas sobre el uso de comida rápida. Estas preguntas se basan en la percepción de lo difícil que es realizar una conducta. Esta sección incluye preguntas sobre su forma de pensar acerca de comer comida rápida incluso si hay pocos puntos de venta cerca, considerar que es difícil reunirse en diferentes lugares que no sean tiendas de comida rápida, comer comida rápida incluso si está a dieta o tener que esperar mucho tiempo, comer comida rápida incluso si hay pocos anuncios en la televisión o si las tiendas de comida rápida ofrecen pocas promociones de venta, y sobre considerar un cambio en el comportamiento de FFC para mejorar la salud. Las puntuaciones para medir la PBC oscilaron entre 13 y 52.

La investigadora explicó la información detallada sobre el propósito del proyecto de investigación, el cuestionario y el uso de los datos personalmente a los estudiantes en el aula y por teléfono a los padres de los estudiantes menores de 18 años. Se obtuvo el consentimiento informado personalmente de todos los participantes que estaban interesados ​​en participar y cumplían con los criterios de inclusión. Los padres de los 42 estudiantes menores de 18 años dieron su consentimiento verbal por teléfono y enviaron el consentimiento por escrito firmado a la escuela con sus hijos. Luego se proporcionaron cuestionarios y se ofrecieron explicaciones si los participantes requerían más información.

Se distribuyeron copias físicas del cuestionario a los participantes que completaron el consentimiento informado, y el investigador dio una breve explicación de la tarea. Al completar el cuestionario, se pidió a los participantes que lo pusieran en un sobre y lo depositaran en la caja de recolección de datos provista. Después de la recopilación, todos los datos se anonimizaron y se permitió a los participantes retirarse del estudio en cualquier momento. Se ofrecieron medidas antropométricas a los participantes que desconocían su altura y peso exactos.

El modelo de ecuaciones estructurales (SEM) se utiliza para evaluar relaciones causales multivariadas, así como efectos directos e indirectos entre variables para un modelo de interés de variables latentes a priori [45]. Es una combinación de análisis factorial confirmatorio y análisis de ruta. El análisis de ruta encuentra relaciones causales entre variables en una ruta definida, y el análisis factorial confirmatorio estima rasgos abstractos al probar supuestos teóricos contra datos recopilados [45, 46]. SEM asume linealidad y unidimensionalidad entre sus variables, diferenciándolo del modelo de regresión. Los diagramas causales producidos por SEM también dan lugar a la interpretación causal de ecuaciones estructurales no paramétricas [46]. SEM mide la influencia de múltiples variables entre sí simultáneamente con las relaciones definidas por un modelo específico [45]. En este estudio, se aplicó SEM para probar el modelo TPB hipotético descrito anteriormente en la Fig. 1.

Los índices de bondad de ajuste se utilizan para probar qué tan bien observados los datos se ajustan al modelo basado en la teoría [47]. Los índices utilizados para evaluar el ajuste del modelo fueron chi-cuadrado (χ2), índice de Tucker-Lewis (TLI), índice de ajuste comparativo (CFI) y el error cuadrático medio de aproximación (RMSEA) según lo recomendado por Garver y Mentzer [48]. TLI compara el ajuste de un modelo propuesto con un modelo nulo y mide la parsimonia comparando los grados de libertad del modelo propuesto con el modelo nulo. CFI es un valor de índice de no centralidad que tiene en cuenta los efectos del tamaño de la muestra. RMSEA mide la diferencia entre los valores de la matriz de covarianza observados y estimados por grado de libertad y se mide en términos de la población en lugar de la muestra [45]. Un valor bajo de chi-cuadrado no demuestra significación en la diferencia entre el modelo hipotético especificado y los datos, lo que demuestra un buen ajuste. Sin embargo, dado que la prueba de chi-cuadrado es sensible al tamaño de la muestra, especialmente cuando la muestra es mayor de 200, se utiliza una relación entre el valor de chi-cuadrado y los grados de libertad para evaluar la bondad de ajuste [45]. Se obtiene un buen ajuste del modelo cuando TLI > 0,90, CFI > 0,90, RMSEA < 0,05 [45] y cuando la relación entre el valor de chi-cuadrado y los grados de libertad es inferior a 3 [49].

El análisis SEM se realizó con SPSS 29.0.0.0 y SPSS AMOS 26. Los patrones de FFC, la intención de consumir comida rápida, la actitud hacia FFC, el SN para FFC y PBC hacia FFC se identificaron como las variables latentes del modelo TPB, con cada elemento del cuestionario por categoría latente siendo las variables observadas a través de las cuales las variables latentes se vuelven medibles.

Se aplicaron estadísticas descriptivas como media, desviación estándar, frecuencia y porcentajes junto con una prueba t independiente y chi-cuadrado. Todos los análisis estadísticos se realizaron con el software SPSS 17.0. Se aplicó la prueba T para la evaluación de la actitud, SN para FFC y PBC para FFC. Se utilizaron el coeficiente de correlación de Pearson y la regresión lineal múltiple para investigar la asociación entre todos los constructos de TPB y FFC. FFC fue la variable dependiente en este estudio, mientras que las características generales, los constructos de intención de TPB, SN, comportamiento y actitudes relacionadas con FFC se identificaron como variables independientes.

Se distribuyeron un total de 250 cuestionarios a los participantes de la investigación, de los cuales 30 encuestas estaban incompletas y se eliminaron del análisis de datos, quedando incluidos 220 estudiantes universitarios (97 hombres y 123 mujeres). Se tomaron medidas de altura, peso e IMC para todos los participantes. De acuerdo con las clasificaciones del IMC, 129 estudiantes (68 hombres, 61 mujeres) tenían un IMC normal, 62 estudiantes (17 hombres, 45 mujeres) tenían bajo peso, 20 estudiantes (8 hombres, 12 mujeres) tenían sobrepeso y nueve estudiantes (4 hombres y 4 mujeres). 5 mujeres) eran obesas. Los resultados de chi-cuadrado mostraron una asociación estadísticamente significativa entre el género y las categorías de IMC (13,2 (p = 0,004). Noventa estudiantes mostraron un alto interés en la salud, mientras que 68 estudiantes mostraron un interés promedio. En general, la mayoría de los estudiantes estaban interesados ​​en controlar y mantener su peso a un IMC saludable. La asociación entre el género y la pregunta "¿con quién sueles comer?" también fue estadísticamente significativa con un valor de p de 0.015. De la muestra total, 137 estudiantes (56 hombres y 81 mujeres) informaron comer con toda su familia El detalle de las características de los estudiantes y los resultados de chi-cuadrado se presentan en la Tabla 1.

El patrón de FFC entre estudiantes universitarios se presenta en la Tabla 2. La asociación entre género y tipo de comida rápida consumida fue estadísticamente significativa (p = 0,008) con un chi-cuadrado de 13,92; las mujeres tienden a comer más papas fritas y pizza, mientras que el consumo de pollo frito fue mayor entre los hombres. Además, hubo una asociación estadísticamente significativa entre el género y los motivos de FFC con un valor de p de 0,005 y un valor de chi-cuadrado de 15,040. Por ejemplo, 73 alumnas informaron que comen comida rápida en ocasiones especiales, mientras que más estudiantes varones comen comida rápida cuando están con amigos. La mayoría de los estudiantes consume comida rápida con sus amigos (n = 102) y la asociación entre esta categoría y el género fue estadísticamente significativa con un valor de p de 0,007 y un valor de chi-cuadrado de 13,93. Más estudiantes en general, especialmente mujeres, consideraron comer comida rápida como un refrigerio en lugar de verlo como una comida adecuada.

Las puntuaciones medias del BI y de las actitudes fueron más altas para las alumnas, mientras que las puntuaciones medias del SN y PBC fueron más altas para los hombres. Sin embargo, estos resultados no fueron estadísticamente significativos (p > 0,05). La única asociación estadísticamente significativa fue entre la media de CBP y el sexo (p = 0,025). Los detalles de la puntuación media y las pruebas estadísticas de los constructos del TBP se presentan en la Tabla 3.

La Tabla 4 presenta el coeficiente de correlación de Pearson entre la frecuencia de FFC, BI, actitud, SN y PBC. Esto destaca la fuerza de la asociación entre las variables. Algunas variables se correlacionaron significativamente entre sí, en particular. En particular, FFC se correlacionó altamente con BI (0.767), mientras que las otras construcciones se correlacionaron moderadamente entre sí.

Se realizó un análisis de regresión múltiple para investigar la relación entre diferentes constructos de la TPB. Este análisis muestra que no hubo un efecto estadísticamente significativo de la actitud sobre el BI, pero hubo un efecto significativo de SN (β = 0,262, p < 0,001) y PBC (β = 0,164, p < 0,001) sobre el BI. Así, SN y PBC son predictores de BI. La Tabla 5 presenta un resumen del análisis de Regresión Múltiple que demuestra el efecto de Actitud, SN y PBC en BI. Además, se calculó el efecto de BI y SN sobre FFC y los resultados se resumieron en la Tabla 6, que presenta un resumen de regresión múltiple: efecto de BI, SN sobre la frecuencia de FFC. R2 = 0.603 muestra que el 60% de la variación en FFC es atribuible a BI y SN. Hubo una asociación significativa entre BI (β = 0,717, p < 0,001) y SN (β = 0,131, p.005) y FFC, lo que sugiere que BI y SN son fuertes predictores de FFC.

El alfa de Cronbach mide la consistencia interna de un constructo, con valores que van de 0 a 1. La consistencia interna evalúa el grado en que todos los elementos de un constructo miden el mismo concepto. A medida que aumenta el valor alfa, disminuye la proporción de la puntuación de la prueba atribuible al error [50]. El valor alfa es sensible a la correlación entre los ítems, la dimensionalidad y la longitud del cuestionario. Una mayor correlación entre los ítems disminuye el valor alfa, los valores alfa solo son aplicables cuando los ítems de prueba son unidimensionales y el valor alfa es directamente proporcional a la longitud del cuestionario por constructo [50]. Para constructos con menos de diez elementos, un valor alfa de Cronbach superior a 0,5 demuestra una buena fiabilidad. Para constructos con diez o más ítems, un valor alfa de Cronbach superior a 0,7 demuestra una buena fiabilidad [51, 52]. En la Tabla 7, los constructos de actitud (0,585), intención (0,445) y comportamiento (0,022) tienen valores bajos de alfa de Cronbach, lo que indica que los ítems utilizados para medir estos constructos tienen baja confiabilidad. Los constructos SN (0,616) y PBC (0,783) tienen valores aceptables de alfa de Cronbach dada la cantidad de ítems, lo que demuestra que los ítems utilizados para medir los constructos dados tienen una buena confiabilidad.

La Tabla 8 enumera los índices de bondad de ajuste para los datos cuando se ajustaron originalmente al modelo hipotético y después de la modificación para mejorar el ajuste. Los datos recopilados no demuestran un ajuste adecuado con el modelo hipotético de TPB debido a que los valores de TLI, CFI y RMSEA no cumplen con los requisitos mínimos. El modelo se modificó eliminando las variables medidas con cargas factoriales bajas con valores inferiores a 0,5 [53]. Se eliminaron un total de ocho variables medidas con cargas factoriales bajas. El modelo se modificó aún más utilizando índices de modificación producidos por SPSS AMOS para tener en cuenta las correlaciones residuales [53]. Se agregaron al modelo un total de 34 correlaciones residuales. A pesar de la modificación, los datos no cumplen todos los requisitos para demostrar un buen ajuste con el modelo teórico. Si bien RMSEA mejora y cumple con el requisito mínimo para que los datos se ajusten bien al modelo hipotético modificado, los valores de TLI y CFI están por debajo de 0,90. Por lo tanto, los datos no demuestran un buen ajuste con el modelo teórico. Como resultado, no se puede evaluar la unidimensionalidad de las variables [45], así como los coeficientes entre las variables latentes para evaluar los principios del modelo TPB hipotético en la Fig. 1.

Este estudio examinó el estado de FFC entre estudiantes universitarios masculinos y femeninos en Pakistán. Los resultados del análisis SEM demuestran incompatibilidad entre los datos recopilados y el modelo teórico TPB con el que se ajustó. Por lo tanto, las cinco hipótesis del modelo TPB descritas en la Fig. 1 no pueden probarse y los resultados del análisis SEM no pueden interpretarse debido al ajuste deficiente del modelo con los datos. Sin embargo, las estadísticas descriptivas y los análisis de regresión permiten observar las relaciones entre los constructos TPB de interés.

Los hallazgos de nuestro análisis de regresión múltiple indican que las construcciones TPB (SN y BI) manifestaron positivamente el comportamiento de FFC. La mayoría de los participantes (58,2%) tenían un IMC normal, mientras que el 9,1% y el 4,1% tenían sobrepeso y obesidad, respectivamente. El porcentaje de estudiantes con sobrepeso es superior al porcentaje reportado en estudios similares. Por ejemplo, los resultados de un estudio realizado en estudiantes de secundaria (secundaria/primaria) en Seúl mostraron que el 1,4 % de los participantes se encontraban en la categoría de sobrepeso [1]. Nuestro estudio también interpretó a las alumnas (46,3 %) como más preocupadas por su peso en comparación con los alumnos (34 %). Este fue un hallazgo interesante, ya que un estudio similar realizado en los EE. UU. por Hyun-sun Seo señaló que los estudiantes varones estaban más preocupados por su peso y salud en la cultura universitaria estadounidense que las estudiantes [54].

En este estudio, la mayoría de las alumnas consideraron consumir comida rápida como refrigerios, mientras que los estudiantes masculinos lo consideraron como comidas, lo que está de acuerdo con varios estudios [54, 55]. Esto puede tener alguna correlación con la idea de que las estudiantes universitarias reflexionan sobre su ingesta diaria de calorías y tienden a controlar su peso. Varios estudios sugieren que los programas de educación nutricional sobre el contenido de energía en la comida rápida pueden ayudar a prevenir el uso excesivo de comida rápida como los bocadillos. Este estudio también mostró que los estudiantes consumían mayoritariamente comida rápida cerca de sus casas (32,3%) y cuando salían con amigos (42,7%). Algunos estudiantes también informaron que consumían comida rápida cuando compraban o socializaban en áreas urbanizadas del pueblo y el centro de la ciudad. El estudio de Hyun-sun Seo también sugirió que la mayoría de los estudiantes universitarios eligen comer y socializar en restaurantes de comida rápida en la ciudad en lugar de jugar en casa o en la escuela [54].

Nuestro estudio presentó una puntuación media de BI de 10,95 ± 5,336 para FFC. El FFC estuvo altamente correlacionado con el BI según el análisis del coeficiente de correlación de Pearson. Estos hallazgos indicaron que la mayoría de los estudiantes entendieron que la comida rápida no era buena para su salud y apreciaron los riesgos asociados con una dieta de comida rápida. Sin embargo, algunos estudios sugirieron que el conocimiento nutricional relacionado con los efectos nocivos de FFC no es suficiente y esto podría afectar las actitudes y comportamientos de los participantes hacia sus elecciones de alimentos [56, 57]. Teniendo en cuenta los datos, los programas de intervención nutricional podrían proporcionar información a los estudiantes sobre los efectos nocivos de la comida rápida y pueden tener algún impacto en su FFC. Sin embargo, esta sugerencia aún debe ser investigada en futuros estudios.

Este estudio mostró que los amigos tienen el mayor impacto en la FFC de los estudiantes en la categoría de SN. La suma total de la media de los amigos fue mayor cuando se comparó con la de la familia y los profesores. El resultado también sugirió que el sistema educativo debería incluir a los amigos como un grupo objetivo que puede afectar el consumo de comida rápida. La misma conclusión fue interpretada por otros estudios con resultados similares [6, 54].

El PBC fue moderado con una puntuación de 31,73 sobre 52. Los estudiantes varones reportaron un nivel más alto de PBC (33,88) que las estudiantes mujeres (30,06). Esto implica que los factores externos no afectan tanto el consumo de comida rápida en los universitarios varones como en las alumnas. Un estudio similar realizado por Kamal Mirkarimi mostró resultados similares de estudiantes universitarios masculinos que tenían puntajes más altos de PBC [55].

Cuando se aplicó el coeficiente de correlación de Pearson entre los constructos de TBP y FFC, FFC estuvo altamente correlacionado con BI. La actitud, SN y PBC se correlacionaron moderadamente con FFC. Sin embargo, no pudimos probar las hipótesis de estos modelos TPB debido al mal ajuste del modelo con los datos y la incompatibilidad entre los datos recopilados y el modelo teórico TPB en el análisis SEM. En un estudio similar, la intención de consumir comida rápida se observó como un fuerte predictor de la frecuencia de FFC [58]. El análisis de regresión mostró que SN y PBC son los predictores más fuertes de IB. Sin embargo, algunos estudios han concluido resultados diferentes, como Yarmohammai y colegas y Dunn y colegas, quienes informaron que la actitud era el predictor más significativo de BI [27, 59]. En cuanto a FFC, SN y BI se observaron como los predictores más fuertes de FFC con un R2 de 0,603. Este resultado es consistente con un estudio realizado por Ebadi y colegas, que sugiere que el IB es un fuerte predictor de FFC [60]. A partir de estos hallazgos, este estudio puede sugerir que durante la planificación de la intervención para cambiar los hábitos dietéticos de los estudiantes se deben enfocar los predictores fuertes.

Un estudio realizado en una escuela secundaria en Irán mostró que TPB explicó la varianza con una tasa de 25,7% de intenciones con la actitud como el predictor más fuerte (B = 0,31, P < 0,001) y SN como el factor más débil (B = 0,29, P < 0,001) [61]. Otro estudio realizado en Seúl utilizó TPB para evaluar los factores que influyen en FFC [1]. Concluyó que TPB demostró comportamientos de FFC con un R2 relativamente alto alrededor de 0.6. Usando regresiones múltiples, se ha observado que FFC estaba significativamente relacionado con BI (b = 0,61, P < 0,001) y PBC (b = 0,19, P < 0,001). Además, BI se relacionó expresamente con SN (b = 0,15, P < 0,01) y PBC (b = 0,56, P < 0,001) [1]. Cuando se investigaron las diferencias de género utilizando TPB, se reconoció que el comportamiento alimentario de los niños fue predicho por SN y PBC, mientras que el comportamiento alimentario de las niñas fue predicho por las actitudes, SN y autoeficacia [62]. Otro estudio indicó que las razones dadas por los estudiantes para comer comida rápida fueron porque era económica, así como el disfrute de su sabor, y cómo los participantes disfrutaban comiendo comida rápida con sus amigos [54]. Un mayor número de estudiantes varones declararon participar en comidas en restaurantes de comida rápida en comparación con las estudiantes [54].

Los datos sugieren que tales comportamientos sociales y el consumo de comida rápida occidentalizada impactan en la cultura tradicional según la cual las comidas siempre serían consumidas por una familia en el hogar. Además, los gustos cambiantes hacia las opciones occidentales de comida rápida están aumentando debido a la rentabilidad y la capacidad de consumir alimentos rápidamente.

Hasta donde sabemos, este es el primer estudio que investiga los factores de comportamiento que afectan la FFC de los estudiantes universitarios en Pakistán mediante la aplicación de TPB. Utiliza un cuestionario completo y recopila una cantidad significativa de datos relacionados con la asociación entre las construcciones TBP y FFC. Para analizar los datos, este estudio utiliza pruebas estadísticas integrales que incluyen estadísticas descriptivas, chi-cuadrado, prueba t, coeficiente de correlación de Pearson, regresión lineal múltiple y SEM. Sin embargo, este estudio tiene algunas limitaciones. Incluyó solo una pequeña muestra de estudiantes universitarios y no incluyó algunos factores como la cantidad de ingesta de energía y los macro y micronutrientes que pueden tener un impacto directo en el aumento del riesgo de desarrollar enfermedades relacionadas con FFC. Por lo tanto, se recomienda repetir este estudio con una muestra mayor que incluya estos factores.

Las limitaciones que surgen del análisis SEM son evidentes en la baja consistencia interna observada para cada ítem del constructo. Si las variables observadas asociadas con una variable latente dada no pueden proporcionar a la variable latente una dimensión medible, el valor alfa de Cronbach disminuye, lo que demuestra que la relación lineal de la variable observada con la latente no es aplicable. Además, el estudio se ve afectado por el sesgo del método común [63] debido a la adaptación del cuestionario de Mirkarimi y colegas sin modificaciones; tanto las preguntas con connotaciones positivas como negativas utilizan las mismas escalas, lo que limita la capacidad de tener una recopilación uniforme de datos e introduce una variación común. Esto es evidente en ítems como "Creo que la comida rápida no es buena para la salud" y "Creo que la comida rápida puede proporcionarnos todos los nutrientes vitales" utilizados para medir la variable latente de Actitud. Ambos ítems utilizan la escala Likert de 4 puntos. Al utilizar ítems con connotaciones opuestas en la misma escala, el cuestionario da lugar a variaciones comunes entre las variables medidas para una variable latente [63].

Además, el análisis SEM está limitado por el efecto del tamaño del modelo causado por tener demasiadas variables observadas, por lo que tiene una gran cantidad de grados de libertad. Esto da como resultado una mala aproximación de la distribución de chi-cuadrado, lo que impide que el valor de chi-cuadrado demuestre la bondad del ajuste debido a que la prueba de chi-cuadrado rechaza los modelos más correctos que se ajustan a los datos, dando así un valor de chi-cuadrado alto. y valor de p bajo (< 0,001) [64]. En el análisis SEM, aumentar el número de indicadores conduce a un ajuste deficiente de los datos con el modelo especificado. El cuestionario empleado en este estudio tiene un total de 38 ítems correspondientes a los constructos de TPB; se recomienda que para muestras en las que N sea aproximadamente 200, se utilicen 30 elementos o menos; de lo contrario, se recomienda N ≥ 500 para modelos más grandes con más elementos medidos [65].

Los resultados de este estudio pueden contribuir al conjunto de conocimientos sobre nutrición de los estudiantes universitarios y ayudar a los planificadores de programas que deseen mejorar la salud y el bienestar de sus estudiantes. Esto podría alentar a los jóvenes a comprender los efectos nocivos del FFC excesivo en la salud y el bienestar. Con base en los hallazgos de esta investigación, apoyamos la sugerencia de que los programas de educación nutricional dirigidos a familiares y amigos de estudiantes universitarios ayudarían a minimizar el consumo de comida rápida [32]. Además, esta investigación se ha limitado por su carácter transversal. Los participantes consumen comida rápida mientras son estudiantes universitarios y parece que esto es consistente e incongruente con la investigación discutida en otros países. Otros estudios de investigación que miden la influencia de la aceptación y el rechazo de FFC serían útiles para ampliar el conocimiento en este campo. Además, comprender por qué los estudiantes universitarios participan en FFC mientras conocen los riesgos sería un estudio útil, potencialmente examinando la experiencia vivida de estos estudiantes utilizando una metodología fenomenológica. Las universidades que trabajan con instituciones gubernamentales y de atención médica que planifican un programa de educación nutricional deben considerar las ciencias sociales y las normas sociales al planificar cualquier cambio de comportamiento, como parece sugerirse en el estudio SN y PBC.

Teniendo en cuenta las limitaciones de este estudio, la investigación futura podría apuntar a probar hipótesis basadas en el resultado de esta investigación, como investigar si los factores externos afectan más a la FFC en las mujeres que en los hombres. Sin embargo, recomendamos que el análisis SEM para probar la hipótesis relacionada con los constructos de TPB debe considerarse en la etapa de diseño de la recopilación de datos al limitar el número de indicadores para facilitar un buen ajuste de los datos con el modelo especificado. Además, futuras investigaciones deberían incluir varios grupos de edad y evaluar otros factores relacionados con la naturaleza de la comida rápida que pueden tener un impacto directo en la salud. La investigación futura debería asociar los hábitos alimentarios y el FFC con otro tipo de datos clínicos objetivos y medibles, lo que permitiría a los investigadores demostrar no solo la existencia de un vínculo entre estos factores y una variedad de enfermedades no transmisibles, sino también cuantificar la magnitud del vínculo.

El uso del análisis SEM en la prueba de hipótesis relacionadas con los constructos de TPB requiere limitar el número de indicadores (≤ 30) o un tamaño de muestra mayor (N ≥ 500) para facilitar un buen ajuste de los datos con el modelo especificado. Los hallazgos del estudio sugieren que la decisión de los estudiantes universitarios paquistaníes de consumir comida rápida está influenciada principalmente por sus amigos y la creciente popularidad de la comida rápida en Pakistán, a pesar de su conocimiento de su naturaleza poco saludable. Por lo tanto, los programas educativos destinados a reducir los FFC deben centrarse en los efectos nocivos específicos de la comida rápida, en lugar de solo en el conocimiento general de sus impactos negativos. Los hallazgos del estudio también indican que entre las construcciones de TPB, SN y BI son los predictores más fuertes de FFC. Como tales, las organizaciones de salud y las instituciones de educación superior pueden usar nuestros datos para desarrollar estrategias de salud intervencionistas específicas. Este estudio también ofrece datos que podrían ser útiles en futuras investigaciones sociológicas, epidemiológicas, psicológicas y nutricionales.

Los conjuntos de datos utilizados y/o analizados durante el presente estudio están disponibles del autor correspondiente previa solicitud razonable.

Índice de masa corporal

Intención de comportamiento

Chi-cuadrado

Índice de ajuste comparativo

Consumo de comida rápida

Error cuadrático medio de la aproximación

Modelos de ecuaciones estructurales

Norma subjetiva

Control conductual percibido

Teoría del comportamiento planificado

Índice de Tucker-Lewis

Seo HS, Lee SK, Nam S. Factores que influyen en los comportamientos de consumo de comida rápida de los estudiantes de secundaria en Seúl: una aplicación de la teoría de los comportamientos planificados. Práctica Nutr Res. 2011;5(2):169–v.

Artículo PubMed PubMed Central Google Académico

Dirección General de Nyachuba. Enfermedades transmitidas por los alimentos: ¿está en aumento? Nutr Rev. 2010;68(5):257–69.

Artículo PubMed Google Académico

OMS. Sobrepeso y Obesidad. 2021. https://www.who.int/news-room/fact-sheets/detail/obesity-and-overweight. Consultado el 20 de diciembre de 2022.

Manuel SS, Luis GM. Nutrición, obesidad e inicio del asma en niños El papel de la función pulmonar. Nutrientes. 2021;13(11):3837.

Artículo CAS PubMed PubMed Central Google Scholar

Lim HJ, Xue H, Wang Y. Tendencias globales en obesidad. En: Meiselman HL, editor. Manual de comer y beber: perspectivas interdisciplinarias. publicación internacional de 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. Determinación de la intención, el consumo de comida rápida y sus factores relacionados entre estudiantes universitarios mediante el uso de una teoría de cambio de comportamiento. BMC Salud Pública. 2022;22(1):1–10.

Artículo Google Académico

Pase MP, Himali JJ, Beiser AS, Aparicio HJ, Satizabal CL, Vasan RS, et al. Bebidas endulzadas con azúcar y artificialmente y los riesgos de accidentes cerebrovasculares y demencia: un estudio de cohorte prospectivo. Ataque. 2017;48(5):1139–46.

Artículo CAS PubMed PubMed Central Google Scholar

Pereira MA, Kartashov AI, Ebbeling CB, Van Horn L, Slattery ML, Jacobs DR, et al. Hábitos de comida rápida, aumento de peso y resistencia a la insulina (estudio CARDIA): análisis prospectivo de 15 años. Lanceta. 2005;365(9453):36–42.

Artículo PubMed Google Académico

Popkin BM, Adair LS, Ng SW. Transición nutricional global y la pandemia de obesidad en los países en desarrollo. Nutr Rev. 2012;70(1):3–21.

Artículo PubMed Google Académico

Janssen HG, Davies IG, Richardson LD, Stevenson L. Determinantes del consumo de comida para llevar y comida rápida: una revisión narrativa. Nutr Res Rev. 2018;31(1):16–34.

Artículo PubMed Google Académico

Memón NA. Comida rápida: segunda industria más grande de Pakistán. Pakistan Food J. 2016;3(1):1–3.

Google Académico

Baig AK, Saeed M. Revisión de tendencias en el consumo de comida rápida. Eur J Econ Finanzas Adm Sci. 2012;48:77–85.

Google Académico

Greenfield M. India: ¿Con qué frecuencia come comida rápida (cualquier restaurante de servicio rápido) en una semana determinada (en promedio)? Revista Hearst. 2018;2018:5–9.

Google Académico

Qasmi S, Akhtar U, Akram U, Raza H, Ali A, Rana T. Consumo de comida rápida Deriva en la población pakistaní. J Food Nutr Sci. 2014;2(1):13–8.

Google Académico

Asif M, Aslam M, Altaf S, Atif S, Majid A. Prevalencia y factores sociodemográficos de sobrepeso y obesidad entre adultos paquistaníes. J Obes Metab Syndr. 2020;29(1):58–66.

Artículo PubMed PubMed Central Google Académico

Siddiqui M, Hameed R, Nadeem M, Mohammad T, Simbak N, Latif A, et al. Obesidad en Pakistán; percepciones actuales y futuras. J Curr Trends Biomed Eng Biosci. 2018;17:001–4.

Google Académico

Boek S, Bianco-Simeral S, Chan K, Goto K. El género y la raza son determinantes significativos de las elecciones de alimentos de los estudiantes en un campus universitario. J Nutr Educ Behav. 2012;44(4):372–8.

Artículo PubMed Google Académico

Younas B, Khalid WA, Hassan MU. El consumo de comida rápida y el aumento de la ingesta calórica que conducen a la obesidad, una encuesta entre adolescentes paquistaníes. Syst Rev Pharm. 2021;12(10):3359–61.

Google Académico

Gordon-Larsen P, Adair LS, Nelson MC, Popkin BM. Incidencia de obesidad de cinco años en el período de transición entre la adolescencia y la edad adulta: el Estudio Longitudinal Nacional de Salud Adolescente. Soy J Clin Nutr. 2004;80(3):569–75.

CAS PubMed Google Académico

Woodward DR, Boon JA, Cumming FJ, Ball PJ, Williams HM, Hornsby H. Uso informado de alimentos seleccionados por adolescentes en relación con sus percepciones y normas sociales para esos alimentos. Apetito. 1996;27(2):109–17.

Artículo CAS PubMed Google Académico

Dunn KI, Mohr PB, Wilson CJ, Wittert GA. Creencias sobre la comida rápida en Australia: un análisis cualitativo. Apetito. 2008;51(2):331–4.

Artículo PubMed Google Académico

Branscum P, Sharma M. Uso de la teoría del comportamiento planificado para predecir dos tipos de consumo de bocadillos entre los niños de primaria superior del medio oeste: implicaciones para la práctica. Int Q Educación en Salud Comunitaria. 2012;32(1):41–55.

Artículo Google Académico

Ajzen I. La teoría del comportamiento planificado. Proceso Organ Behav Hum Decis. 1991;50(2):179–211.

Artículo Google Académico

Godin G, Kok G. La teoría del comportamiento planificado: una revisión de sus aplicaciones a los comportamientos relacionados con la salud. Promoción de la salud Am J. 1996;11(2):87–98.

Artículo CAS PubMed Google Académico

Ajzen I, Fishbein M. Comprender las actitudes y predecir el comportamiento social. Nueva Jersey: Prentice-Hall, acantilados de Englewood; 1980.

Voss KE, Spangenberg ER, Grohmann B. Midiendo las dimensiones hedónicas y utilitarias de la actitud del consumidor. Res. de marca J. 2003;40(3):310–20.

Artículo Google Académico

Dunn KI, Mohr P, Wilson CJ, Wittert GA. Determinantes del consumo de comida rápida. Una aplicación de la teoría del comportamiento planificado. Apetito. 2011;57(2):349–5.

Artículo PubMed Google Académico

Ajzen I. La teoría del comportamiento planificado: Preguntas frecuentes. Hum Behav Emerg Technol. 2020;2(4):314–24.

Artículo Google Académico

Nystrand BT, Olsen SO. Actitudes e intenciones de los consumidores hacia el consumo de alimentos funcionales en Noruega. Preferencia de calidad de comida. 2020;80:103827.

Artículo Google Académico

Montano DE, Kasprzyk D. Teoría de la acción razonada, teoría del comportamiento planificado y modelo conductual integrado. Salud Comportamiento Teoría Res Pract. 2015;70(4):231.

Google Académico

La Morte WW. Modelos de cambio de comportamiento: la teoría del comportamiento planificado. Consultado en diciembre. 2019;20:2019.

Google Académico

Ajzen I. Actitudes y comportamiento del consumidor: la teoría del comportamiento planificado aplicada a las decisiones de consumo de alimentos. Rev italiano Agric Econ. 2015;70(2):121–38.

Google Académico

McDermott MS, Oliver M, Svenson A, Simnadis T, Beck EJ, Coltman T, et al. La teoría del comportamiento planificado y las elecciones discretas de alimentos: una revisión sistemática y un metanálisis. Int J Behav Nutr Phys Act. 2015;12(1):1–11.

Artículo Google Académico

Poirier MJ, Grépin KA, Grignon M. Enfoques y alternativas al índice de riqueza para medir el estatus socioeconómico utilizando datos de encuestas: una síntesis interpretativa crítica. Soc Indic Res. 2020;148(1):1–46.

Artículo Google Académico

Rutstein SO, Staveteig S. Comparación del índice de riqueza de las encuestas demográficas y de salud. Rockville: ICF Internacional; 2014.

Brooks-Gunn J, Klebanov P, Liaw Fr, Duncan G. Hacia una comprensión de los efectos de la pobreza en los niños. En: Zuckerman BS, Fitzgerald HE, Lester BM. Hijos de la pobreza. Nueva York: Routledge; 2021. pág. 3–41.

Malik SM, Bhutta ZA. Reforma de la atención primaria de salud en Pakistán. Lanceta. 2018;392(10156):1375–7.

Artículo PubMed Google Académico

Armitage CJ, Conner M. Eficacia de la teoría del comportamiento planificado: una revisión metaanalítica. Br J Soc Psychol. 2001;40(4):471–99.

Artículo CAS PubMed Google Académico

Fila SA, Smith C. Aplicación de la Teoría del Comportamiento Planificado a los comportamientos alimentarios saludables en jóvenes nativos americanos urbanos. Int J Behav Nutr Phys Act. 2006;3(1):11.

Artículo PubMed PubMed Central Google Académico

Kim YG. Preocupaciones ecológicas sobre el consumo de alimentos Genéticamente Modificados (GM) utilizando la Teoría del Comportamiento Planificado (TPB). Procedia Soc Behav Sci. 2014;159:677–81.

Artículo Google Académico

Al-Swidi A, Mohammed Rafiul Huque S, Haroon Hafeez M, Noor Mohd Shariff M. El papel de las normas subjetivas en la teoría del comportamiento planificado en el contexto del consumo de alimentos orgánicos. Comida británica J. 2014;116(10):1561–80.

Artículo Google Académico

Mirkarimi K, Mansourian M, Kabir MJ, Ozouni-Davaji RB, Eri M, Hosseini SG, et al. Comportamientos de consumo de comida rápida en estudiantes de secundaria basados ​​en la Teoría del Comportamiento Planificado (TPB). Int J Pediatr. 2016;4(7):2131–42.

Google Académico

Wang C, Tee M, Roy AE, Fardin MA, Srichokchatchawan W, Habib HA, et al. El impacto de la pandemia de COVID-19 en la salud física y mental de los asiáticos: un estudio de siete países de ingresos medios en Asia. Más uno. 2021;16(2):e0246824.

Artículo CAS PubMed PubMed Central Google Scholar

Esteghamati A, Khalilzadeh O, Anvari M, Meysamie A, Abbasi M, Forouzanfar M, et al. Los costos económicos de la diabetes: un estudio basado en la población en Teherán. Irán Diabetología. 2009;52(8):1520–7.

Artículo CAS PubMed Google Académico

Azada SL. Problemas y procedimientos en la adopción de la técnica de modelado de ecuaciones estructurales. Métodos cuánticos J. 2008;3(1):76.

Google Académico

Fan Y, Chen J, Shirkey G, John R, Wu SR, Park H, et al. Aplicaciones del modelo de ecuaciones estructurales (SEM) en estudios ecológicos: una revisión actualizada. Proceso Ecológico. 2016;5:1–12.

Artículo Google Académico

Taris T. BM Byrne, Modelado de ecuaciones estructurales con AMOS: conceptos básicos, aplicaciones y programación Mahwah NJ: Lawrence Erlbaum, 2001 0–8058-3322-6. Eur J trabajo órgano psi. 2002; 11:243–6.

Google Académico

Garver MS, Mentzer JT. Métodos de investigación logística: empleando modelos de ecuaciones estructurales para probar la validez de la construcción. Logista de autobuses J. 1999;20(1):33.

Google Académico

Kline RB. Modelos de ecuaciones estructurales. Nueva York: Guilford; 1998.

Google Académico

Tavakol M, Dennick R. Dar sentido al alfa de Cronbach. Int J Med Educ. 2011;2:53–5.

Artículo PubMed PubMed Central Google Académico

Manual de supervivencia de Pallant J. SPSS: una guía paso a paso para el análisis de datos con IBM SPSS. 7ma ed. Londres: Routledge; 2020.

Nunally JC. Teoría Psicométrica. 2ª ed. Nueva York: McGraw-Hill; 1978.

Collier JE. Modelado de ecuaciones estructurales aplicadas utilizando AMOS: técnicas básicas a avanzadas. 1ra ed. Nueva York: Routledge; 2020.

Morse KL, Driskell JA. Diferencias de sexo observadas en el consumo de comida rápida y autoevaluaciones y creencias nutricionales de estudiantes universitarios. Investigación en nutrición. 2009;29(3):173-9. https://doi.org/10.1016/j.nutres.2009.02.004.

Shaban L, Alkazemi D. Tendencias en el consumo de comida rápida entre la juventud kuwaití. Int J Prev Med. 2019;10:44. https://doi.org/10.4103/ijpvm.IJPVM_480_18.

Baeck B, Lee Y. Conciencia del consumidor y direcciones de políticas sobre aditivos alimentarios, centrándose en la información del consumidor. Espárrago J Consum. 2006;17(3):133–50.

Google Académico

Aoki K, Shen J, Saijo T. Reacción del consumidor a la información sobre aditivos alimentarios: evidencia de un experimento de alimentación y una encuesta de campo. J Econ Comportamiento Órgano. 2010;73(3):433–8.

Artículo Google Académico

Abraham S, Martinez M, Salas G, Smith J. Percepción de los estudiantes universitarios sobre los factores de riesgo relacionados con el consumo de comida rápida y sus hábitos alimenticios. J Nutr Hum Salud. 2018;2(1). https://doi.org/10.35841/nutricion-salud-humana.2.1.18-21.

Yarmohammadi P, Sharifirad GR, Azadbakht L, Morovati Sharifabad MA, Hassanzadeh A. Predictores del consumo de comida rápida entre estudiantes de secundaria basados ​​en la teoría del comportamiento planificado. Res. del sistema de salud 2011;7(4).

Ebadi L, Rakhshanderou S, Ghaffari M. Determinantes del consumo de comida rápida entre estudiantes de Teherán: aplicación de la teoría del comportamiento planificado. Int J Pediatr. 2018;6(10):8307–16.

Google Académico

Sharifirad G, Yarmohammadi P, Azadbakht L, Morowatisharifabad MA, Hassanzadeh A. Determinantes del consumo de comida rápida entre estudiantes iraníes de secundaria basados ​​en la teoría del comportamiento planificado. J Obes. 2013;2013:147589.

Artículo PubMed PubMed Central Google Académico

Fila SA, Smith C. Aplicación de la teoría del comportamiento planificado a los comportamientos alimentarios saludables en jóvenes nativos americanos urbanos. Int J Behav Nutr Phys Act. 2006;3(1):1–10.

Artículo Google Académico

Kock N. Sesgo de método común en PLS-SEM: un enfoque de evaluación de colinealidad completa. Int J e-Colaboración (ijec). 2015;11(4):1–10.

Artículo Google Académico

Deng L, Yang M, Marcoulides KM. Modelado de ecuaciones estructurales con muchas variables: una revisión sistemática de problemas y desarrollos. Psicología frontal. 2018;9:580.

Artículo PubMed PubMed Central Google Académico

Shi D, Lee T, Maydeu-Olivares A. Comprender el efecto del tamaño del modelo en los índices de ajuste SEM. Educ Psychol Measur. 2019;79(2):310–34.

Artículo PubMed Google Académico

Descargar referencias

Los autores desean agradecer a la Universidad del Sur de Asia y la Universidad de Khalifa por apoyar esta investigación. Un agradecimiento especial al Dr. Ahsan Javed, la Srta. Syeda Iqra Faiyaz y Rida Saeed por su apoyo en la etapa preliminar de esta investigación.

Esta investigación no recibió financiación.

Facultad de Ciencias Aliadas de la Salud, Universidad del Sur de Asia, Lahore, Pakistán

Maryam Sajjad

Facultad de Medicina y Ciencias de la Salud, Universidad Khalifa, Abu Dhabi, Emiratos Árabes Unidos

Afifa Bhatti

Departamento de Enfermería, Obstetricia y Salud, Universidad de Northumbria, Newcastle Upon Tyne, Reino Unido

barry colina

Departamento de Epidemiología y Salud de la Población, Facultad de Medicina y Ciencias de la Salud, Universidad Khalifa, Abu Dhabi, Emiratos Árabes Unidos

Basem Al Omari

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

Conceptualización, EM; metodología, MS, AB y BA; software, MS y AB; validación, MS y BA; análisis formal, MS y AB; investigación, EM; recursos, EM; curación de datos, MS, AB, BH y BA; redacción—preparación del borrador original, MS, AB, BH y BA; redacción—revisión y edición, MS, AB, BH y BA; supervisión, BA; administración del proyecto, MS y BA Todos los autores han leído y aceptado la versión publicada del manuscrito.

Correspondencia a Basem Al-Omari.

El estudio se realizó de acuerdo con la Declaración de Helsinki y fue aprobado por la Junta de Revisión Institucional de la Universidad del Sur de Asia, Pakistán. Se obtuvo el consentimiento informado de todos los sujetos involucrados en el estudio y de los padres de los 42 estudiantes menores de 18 años.

No aplica.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Archivo adicional 1.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/. La renuncia de Creative Commons Public Domain Dedication (http://creativecommons.org/publicdomain/zero/1.0/) se aplica a los datos disponibles en este artículo, a menos que se indique lo contrario en una línea de crédito a los datos.

Reimpresiones y permisos

Sajjad, M., Bhatti, A., Hill, B. et al. Uso de la teoría del comportamiento planificado para predecir los factores que influyen en el consumo de comida rápida entre los estudiantes universitarios. BMC Salud Pública 23, 987 (2023). https://doi.org/10.1186/s12889-023-15923-1

Descargar cita

Recibido: 02 enero 2023

Aceptado: 18 de mayo de 2023

Publicado: 27 mayo 2023

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

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt