Fitness level and body composition indices: cross-sectional study among Malaysian adolescent
Notice bibliographique
Résumé
BACKGROUND: The importance of fitness level on the well-being of children and adolescent has long been recognised. The aim of this study was to investigate the fitness level of school-going Malaysian adolescent, and its association with body composition indices. METHODS: 1071 healthy secondary school students participated in the fitness assessment for the Malaysian Health and Adolescents Longitudinal Research Team (MyHEART) study. Body composition indices such as body mass index for age, waist circumference and waist height ratio were measured. Fitness level was assessed with Modified Harvard Step Test. Physical Fitness Score was calculated using total time of step test exercise and resting heart rates. Fitness levels were divided into 3 categories - unacceptable, marginally acceptable, and acceptable. Partial correlation analysis was used to determine the association between fitness score and body composition, by controlling age, gender, locality, ethnicity, smoking status and sexual maturation. Multiple regression analysis was conducted to determine which body composition was the strongest predictor for fitness. RESULTS: 43.3% of the participants were categorised into the unacceptable fitness group, 47.1% were considered marginally acceptable, and 9.6% were acceptable. There was a significant moderate inverse association (p < 0.001) between body composition with fitness score (r = -0.360, -0.413 and -0.403 for body mass index for age, waist circumference and waist height ratio, respectively). Waist circumference was the strongest and significant predictor for fitness (ß = -0.318, p = 0.002). CONCLUSION: Only 9.6% of the students were fit. There was also an inverse association between body composition and fitness score among apparently healthy adolescents, with waist circumference indicated as the strongest predictor. The low fitness level among the Malaysian adolescent should necessitate the value of healthy lifestyle starting at a young age.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».