Sedentary Time and Screen-Based Sedentary Behaviors of Children With a Chronic Disease
Notice bibliographique
Résumé
The objectives of this study were to (i) assess sedentary time and prevalence of screen-based sedentary behaviors of children with a chronic disease and (ii) compare sedentary time and prevalence of screen-based sedentary behaviors to age- and sex-matched healthy controls. Sixty-five children (aged 6-18 years) with a chronic disease participated: survivors of a brain tumor, hemophilia, type 1 diabetes mellitus, juvenile idiopathic arthritis, cystic fibrosis, and Crohn's disease. Twenty-nine of these participants were compared with age- and sex-matched healthy controls. Sedentary time was measured objectively by an ActiGraph GT1M or GT3× accelerometer worn for 7 consecutive days and defined as less than 100 counts per min. A questionnaire was used to assess screen-based sedentary behaviors. Children with a chronic disease engaged in an average of 10.2 ± 1.4 hr of sedentary time per day, which comprised 76.5 ± 7.1% of average daily monitoring time. There were no differences between children with a chronic disease and controls in sedentary time (adjusted for wear time, p = .06) or in the prevalence of TV watching, and computer or video game usage for varying durations (p = .78, p = .39 and, p = .32 respectively). Children with a chronic disease, though relatively healthy, accumulate high levels of sedentary time, similar to those of their healthy peers.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».