How Are Physical Activity, Fitness, and Sedentary Behavior Associated With Insulin Sensitivity in Children?
Notice bibliographique
Résumé
OBJECTIVE: To describe the associations among moderate-to-vigorous physical activity (MVPA), fitness, sedentary behavior (SB), and insulin sensitivity (IS). RESEARCH DESIGN AND METHODS: Data were drawn from the baseline assessment of the QUALITY cohort, which included 630 white youth (aged 8-10 years at recruitment), with at least one obese biological parent. IS was measured by two fasting indices (insulin, homeostasis model assessment of insulin resistance) and an oral glucose tolerance test (OGTT)-based index (Matsuda IS index [Matsuda-ISI]). Fitness was measured by Vo(2peak); percent fat mass (PFM) was measured by dual-energy X-ray absorptiometry; 7-day MVPA was measured with accelerometry. SB indicators included average hours daily of self-report screen time (SBst), and average minutes daily at <100 counts/min from accelerometry (SBacc). Multivariable linear regression models were adjusted for age, sex, season, and puberty. RESULTS: MVPA and SBacc were independently associated with IS, but this was no longer statistically significant after accounting for PFM. SBst was negatively associated with IS in girls only, even after controlling for physical activity (PA), fitness, and adiposity; for each additional hour of SBst daily, IS decreased by 4.6-5.6% across all IS indices. Fitness was positively associated with IS (measured by Matsuda-ISI) after accounting for PA, SB, and PFM; for every 1 unit increase in Vo(2peak), Matsuda-ISI increased by approximately 1.0% (P < 0.05). CONCLUSIONS: In children with an obese parent, PA and SBacc are associated with IS, but this association is mediated by adiposity. SBst is negatively associated with IS in girls, beyond its known impact on adiposity. Finally, fitness is independently associated with better IS measured by OGTT.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».