Obesity prevention for children with physical disabilities: a scoping review of physical activity and nutrition interventions
Notice bibliographique
Résumé
Purpose: Children with disabilities are at higher risk of obesity, engage in less physical activity and report poorer quality dietary habits than their non-disabled peers. This study reviewed current evidence on interventions designed to facilitate weight management and/or weight-related behaviors (i.e. physical activity and/or healthy eating habits) in children with physical disabilities. Methods: A scoping review was performed using established methodology. Data from studies meeting specific inclusion criteria were extracted and analyzed using summary statistics, and common characteristics thematically identified. Results: Thirty-four articles were included in the synthesis. No long-term obesity prevention interventions were identified. The majority of research focused upon children with cerebral palsy, and had case study, quasi- or non-experimental designs. All interventions reporting positive outcomes (n = 18) addressed physical activity, with common themes including using motivational strategies for the child and child self-direction. Incremental increases in workload and engaging in strength training for longer than 15 minutes were also effective. Interventions targeting body weight/composition did not report success in the long term. Conclusions: A robust evidence base is lacking for long-lasting obesity interventions for children with physical disabilities. Current research provides some insights into the specific components that should be considered when planning such interventions in the future. Implications for RehabilitationClinicians should be aware of the high risk of obesity, physical inactivity and poor diet in children with physical disabilities.The use of motivational strategies, child direction in activities and incremental increases in workload all appear promising approaches, yet require further evaluation.Evidence-based interventions are needed to improve both short- and long-term health and quality of life for children with physical disabilities.
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 | 0,013 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,017 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».