Systematic Review of Effective Strategies for Reducing Screen Time Among Young Children
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Screen-media use among young children is highly prevalent, disproportionately high among children from lower-income families and racial/ethnic minorities, and may have adverse effects on obesity risk. Few systematic reviews have examined early intervention strategies to limit TV or total screen time; none have examined strategies to discourage parents from putting TVs in their children's bedrooms or remove TVs if they are already there. In order to identify strategies to reduce TV viewing or total screen time among children <12 years of age, we conducted a systematic review of seven electronic databases to June 2011, using the terms "intervention" and "television," "media," or "screen time." Peer-reviewed intervention studies that reported frequencies of TV viewing or screen-media use in children under age 12 were eligible for inclusion. We identified 144 studies; 47 met our inclusion criteria. Twenty-nine achieved significant reductions in TV viewing or screen-media use. Studies utilizing electronic TV monitoring devices, contingent feedback systems, and clinic-based counseling were most effective. While studies have reduced screen-media use in children, there are several research gaps, including a relative paucity of studies targeting young children (n = 13) or minorities (n = 14), limited long-term (>6 month) follow-up data (n = 5), and few (n = 4) targeting removing TVs from children's bedrooms. Attention to these issues may help increase the effectiveness of existing strategies for screen time reduction and extend them to different populations.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle