School and student characteristics associated with screen-time sedentary behavior among students in grades 5-8, Ontario, Canada, 2007-2008.
Notice bibliographique
Résumé
INTRODUCTION: We examined school and student characteristics associated with screen-time sedentary behavior. METHODS: We analyzed data collected from 2,449 students in grades 5 through 8 who attended 30 elementary schools in Ontario, Canada. We used multilevel logistic regression to examine the student- and school-level factors associated with moderate and high screen-time sedentary behavior. RESULTS: Moderate screen time did not vary significantly across schools. Student characteristics significantly associated with moderate screen time were sex, number of friends who are active, and parental encouragement of physical activity. High screen time did vary significantly across schools; school-level differences accounted for 12% of the variability in the odds of a student reporting high screen time. Students who attended a school in the more advanced phase of emphasizing participation in physical activity through school programs were less likely to report high screen time compared with students who attended schools in the earlier phase for this school-level indicator. Student characteristics significantly associated with high screen time were sex, parental encouragement of physical activity, parental support of physical activity, and race/ethnicity. CONCLUSION: High levels of screen-time sedentary behavior are associated with both student characteristics and the characteristics of the school a student attends. Developing a better understanding of the school characteristics associated with sedentary behavior will be valuable for guiding the development of interventions to reduce sedentary behavior among youth populations.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».