Effect of Volunteering on Risk Factors for Cardiovascular Disease in Adolescents
Notice bibliographique
Résumé
IMPORTANCE: The idea that individuals who help others incur health benefits themselves suggests a novel approach to improving health while simultaneously promoting greater civic orientation in our society. The present study is the first experimental trial, to our knowledge, of whether regular volunteering can reduce cardiovascular risk factors in adolescents. OBJECTIVE: To test a novel intervention that assigned adolescents to volunteer with elementary school-aged children as a means of improving adolescents' cardiovascular risk profiles. DESIGN: Randomized controlled trial, with measurements taken at baseline and 4 months later (postintervention). SETTING: Urban public high school in western Canada. PARTICIPANTS: One hundred six 10th-grade high school students who were fluent in English and free of chronic illnesses. INTERVENTION: Weekly volunteering with elementary school-aged children for 2 months vs wait-list control group. MAIN OUTCOME MEASURES: Cardiovascular risk markers of C-reactive protein level, interleukin 6 level, total cholesterol level, and body mass index. RESULTS: No statistically significant group differences were found at baseline. Postintervention, adolescents in the intervention group showed significantly lower interleukin 6 levels (log10 mean difference, 0.13; 95% CI, 0.004 to 0.251), cholesterol levels (log10 mean difference, 0.03; 95% CI, 0.003 to 0.059), and body mass index (mean difference, 0.39; 95% CI, 0.07 to 0.71) compared with adolescents in the control group. Effects for C-reactive protein level were marginal (log10 mean difference, 0.13; 95% CI, -0.011 to 0.275). Preliminary analyses within the intervention group suggest that those who increased the most in empathy and altruistic behaviors, and who decreased the most in negative mood, also showed the greatest decreases in cardiovascular risk over time. CONCLUSIONS AND RELEVANCE: Adolescents who volunteer to help others also benefit themselves, suggesting a novel way to improve health. TRIAL REGISTRATION clinicaltrials.gov Identifier: NCT01698034.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».