Longitudinal Changes in Active Transportation to School in Canadian Youth Aged 6 Through 16 Years
Notice bibliographique
Résumé
BACKGROUND: Concern has been raised regarding the increased prevalence of physical inactivity among children. Active transportation, such as walking and cycling to school, is an opportunity for children to be physically active. OBJECTIVE: To identify the sociodemographic predictors of active transportation to schools across time among school-aged children participating in the Canadian National Longitudinal Survey of Children and Youth (NLSCY). METHODS: The sample included 7690 school-aged children attending public schools who were drawn from cycle 2 (1996 and 1997) of the Canadian NLSCY. Data were collected through interviews with the person most knowledgeable about the child. Parents were asked how their child usually gets to school. Responses were dichotomized into active (walking or bicycling) or inactive (school bus, public transit, is driven, or multiple) modes. Using 3 waves of data from the Canadian NLSCY (1996-2001), we estimated the effect of sociodemographic factors on the likelihood of active transportation to school across time using random-effects models. RESULTS: Longitudinal analyses indicated that as children aged, the likelihood of using active transportation to school increased, peaked at the age of 10 years, and then decreased. Urban settings (odds ratio [OR]: 3.66 [95% confidence interval (CI): 3.23-4.15]), households with inadequate income (OR: 1.21 [95% CI: 1.06-1.38]), living with 1 parent (OR: 1.46 [95% CI: 1.29-1.65]), and having an older sibling living at home (OR: 1.14 [95% CI: 1.04-1.25]) were significant predictors of active transportation to school at baseline and carried through across time. CONCLUSIONS: Understanding the factors that influence active transportation may support its adoption by children, which in turn may contribute to meeting physical activity guidelines.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».