Evaluating the effectiveness of a schools-based programme to promote exercise self-efficacy in children and young people with risk factors for obesity: Steps to active kids (STAK)
Notice bibliographique
Résumé
BACKGROUND: Low levels of physical activity in children have been linked to an increased risk of obesity, but many children lack confidence in relation to exercise (exercise self-efficacy). Factors which can impact on confidence include a chronic health condition such as asthma, poor motor skills and being overweight. Increasing levels of physical activity have obvious benefits for children with asthma and children who are overweight, but few activity interventions with children specifically target children with low exercise self-efficacy (ESE). This study aims to evaluate the efficacy and feasibility of a schools-based activity programme suitable for children with risk factors for adult obesity, including asthma, overweight and low exercise self-efficacy. METHODS/DESIGN: A clustered (at the level of school) RCT will be used to compare a targeted, 10 week, stepped activity programme (activity diary, dance DVD, circuit-training and motivational interviewing) designed to promote ESE. We will recruit 20 primary schools to participate in the intervention and 9-11 year old children will be screened for low levels of ESE, asthma and overweight. In order to provide sufficient power to detect a difference in primary outcomes (Body Mass Index-BMI & ESE at 12 month follow-up) between children in the intervention schools and control schools, the target sample size is 396. Assessments of BMI, ESE, waist circumference, peak flow, activity levels and emotional and behavioural difficulties will be made at baseline, 4 months and 12 month follow-up. DISCUSSION: We aim to increase ESE and levels of physical activity in children with risk factors for adult obesity. The outcomes of this study will inform policy makers about the feasibility, acceptability and effectiveness of delivering targeted health interventions within a school setting. TRIAL REGISTRATION: ISRCTN Register no. ISRCTN12650001.
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».