MétaCan
Menu
Retour à la cohorte
Enregistrement W2073013582 · doi:10.1007/s12160-012-9462-6

Affective Judgment and Physical Activity in Youth: Review and Meta-Analyses

2013· review· en· W2073013582 sur OpenAlexafffund
Gabriella Nasuti, Ryan E. Rhodes

Notice bibliographique

RevueAnnals of Behavioral Medicine · 2013
Typereview
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensUniversity of Victoria
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMeta-analysisPsychologyContext (archaeology)Health psychologyPsychological interventionPhysical activityConstruct (python library)Clinical psychologyPublication biasSystematic reviewExperience sampling methodInclusion (mineral)Construct validityDevelopmental psychologySocial psychologyMEDLINEPsychometricsPublic healthMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A recent meta-analysis on affective judgment and physical activity in adults yielded a medium effect-sized relationship. Despite narrative reviews and topic interest, a meta-analysis in youth has not yet been conducted. PURPOSE: This study aims to appraise the overall effect of affective judgment on physical activity in youth via meta-analyses and explore moderators of this relationship. METHODS: Literature searches were conducted between 1990 and 2011. Fixed and random effects meta-analysis with correction for sampling, measurement, and publication bias were employed. RESULTS: Fifty-six correlational studies and 14 interventions met the inclusion criteria. Among correlational studies, the corrected summary r was 0.26 (95 % CI 0.18-0.32). Significant moderators were gender, measure of physical activity, and recruitment context. Among intervention studies, Cohen's d was 0.25 (95 % CI 0.11-0.40). CONCLUSIONS: The results are close to a medium effect size which is larger than other meta-analytic physical activity correlates among youth. The construct should be included in our contemporary theories for understanding and intervening upon youth physical activity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,038
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0140,021
Bibliométrie0,0060,007
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,742
Tête enseignante GPT0,592
Écart entre enseignants0,150 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations75
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnals of Behavioral MedicineMême sujetPhysical Activity and HealthTravaux en français237 207