Temporal trends in and relationships between screen time, physical activity, overweight and obesity
Notice bibliographique
Résumé
BACKGROUND: The aims of this study were to examine temporal trends in the prevalence of sufficient moderate-to-vigorous intensity physical activity (MVPA), high levels of screen time, combined measures of these behaviors and overweight or obesity in Australian adults during the period 2002-2008. Trends over this time period in overweight or obesity within each behavior group (sufficient/insufficient MVPA, high/low screen time and combined behaviors) were also examined. METHODS: Data were collected via annually conducted cross-sectional computer-assisted-telephone-interviews (CATI) of adults (n=7908) living in Central Queensland, Australia (2002-2008). Self-reported MVPA, screen time (TV viewing and computer use), and BMI were used to create dichotomous classifications of physical activity (Sufficient MVPA (S-MVPA), Insufficient Physical Activity (I-MVPA)), screen time (High Screen Time (HST), Low Screen Time (LST)), combined behavior categories (S-MVPA/LST, I-MVPA/LST, S-MVPA/HST, I-MVPA/HST) and BMI (Overweight or Obese, Healthy Weight) respectively. RESULTS: The prevalence of S-MVPA, HST, and overweight or obesity increased at approximately the same rate over the study period in the overall sample and females (p≤0.05). In the overall sample and in females, the prevalence of overweight and obesity increased over the study period in those individuals classified as I-MVPA/HST (p≤0.05). CONCLUSION: Results provide evidence that while the prevalence of S-MVPA appears to be modestly increasing, the proportion of the population engaging in HST and classified as overweight or obese are increasing at approximately the same rate. These observations highlight the need to increase levels of total physical activity (including light intensity physical activity) and decrease sedentary behavior including screen time.
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 | 0,001 | 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 ».