Leisure activity preferences for 6‐ to 12‐year‐old children with cerebral palsy
Notice bibliographique
Résumé
AIM: The objective was to describe leisure activity preferences of children with cerebral palsy (CP) and their relationship to participation. Factors associated with greater interest in leisure activities were identified. METHOD: Fifty-five school-aged children (36 males, 19 females; mean age 9 y 11 mo; range 6 y 1 mo-12 y 11 mo) with CP (Gross Motor Function Classification System [GMFCS]) level I 62%, level II 22%, level III-IV 16%; 33.3% hemiplegia, 29.6% diplegia, 25.9% quadriplegia, 11.2% other) who could complete the Preferences for Activities of Children (PAC) were recruited. RESULTS: Social and recreational activities were most preferred, and self-improvement activities were least preferred. Younger age, higher motivation, and IQ predicted interest in active-physical activities (r(2)=0.39). Negative reaction to failure was associated with less preference for social activities (r(2)=0.16), whereas increased prosocial behaviours were related to greater preference for recreational (r(2)=0.13) and self-improvement activities; the latter is also predicted by older age (r(2)=0.24). Interest in skill-based activities was greater in females and in children who were highly motivated, younger, and had greater motor limitations (r(2)=0.51). The findings suggest that personal factors and functional abilities influence leisure activity preferences. High preference for certain activities was not always associated with involvement in these activities. INTERPRETATION: Determination of preferences is inherent to child-centred practice and should, therefore, be part of the evaluation process. Rehabilitation strategies can minimize barriers to leisure participation, such as fear of failure, low motivation, or environmental obstacles.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».