Understanding Screen-Related Sedentary Behavior and its Contributing Factors among School-Aged Children: A Social-Ecologic Exploration
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.
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 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».