Understanding Screen-Related Sedentary Behavior and its Contributing Factors among School-Aged Children: A Social-Ecologic Exploration
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To explore the factors that contribute to children's screen-related sedentary (S-RS) behaviors. SETTINGS: Elementary schools. SUBJECTS: A random sample of children in grades five and six and their parents. MEASURES: The outcome measure was children's S-RS activity level measured by a self-administered questionnaire. A full spectrum of potential contributing factors for children's S-RS behaviors was obtained through surveys. Multilevel linear regression methods were used to determine the associations between these factors and children's screen time (hours per day) and results were expressed as regression coefficients (g). RESULTS: Of 955 child-parent pairs in 14 participating schools, 508 pairs (53%) completed the surveys. At an intrapersonal level, protective factors included being a girl (g = -.71); belonging to a sports team inside (g = -.56) or outside (g = -.49) of school; having a negative attitude toward S-RS activities (g = -.13); and having a positive attitude toward physical activity (g = .48). At the interpersonal and social levels, parental leisure S-RS behaviors (g = .32) were positively associated, whereas strict parental rules on computer use (g = -.27) and family income (g = -.32) were inversely correlated with S-RS behavior. At the environmental level, the presence of TVs in children's bedrooms (g = .44) and owning videogame devices (g = .58) increased the risk of S-RS behaviors, whereas after school programs (g = - .86) and schools' participation in the Turn Off the Screen Week campaign (g = -.91) decreased the risk. CONCLUSIONS: Public health interventions should target multilevel factors, including increasing children's awareness, promoting parental involvement in healthy lifestyle pursuits, and creating less screenogenic environments.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle