Cardiovascular Fitness of Young Canadian Children with and without Mental Retardation.
Notice bibliographique
Résumé
Individuals with mental retardation (MR) typically exhibit lower levels of cardiovascular fitness than their non-disabled peers. However, there seems to be a gap in the literature with respect to comparative studies between younger children with and without MR. The present investigation compared cardiovascular fitness levels of youth with and without MR. Sixty youth (30 with MR, 30 non-disabled) performed a 20-m shuttle run designed to assess cardiovascular fitness. Results indicated that non-disabled children exhibited significantly greater levels of aerobic fitness than did those with MR. Findings illustrate the need for critical examination of physical activity programs for children with MR, as lags in fitness evidenced versus non-disabled peers approximately 50 years ago still exist. The study of health-related physical fitness (HRPF) among persons with mental retarda- tion (MR) is an area that has undergone crit- ical examination over the past half-century. Francis and Rarick (1959) conducted the sem- inal investigation into the HRPF characteris- tics of individuals with MR. They explored fitness and motor performance of children and adolescents with MR concerning the vari- ables of age, gender, and comparison with non-disabled children. The finding concern- ing comparison with non-disabled individuals provided a foundation for future understand- ing of how individuals with MR differentiate in terms of their fitness levels versus non-dis- abled persons. Their overall conclusion in this area has been widely quoted in subsequent works: In general, it can be stated that with the mentally retarded children studied, the means of both boys and girls on most mea- sures were two to four years behind the published age norms of normal children. Furthermore, the discrepancy between the normal and mentally retarded tended to increase with each advancing age level (p. 810). In the almost 50 years since Francis and Rarick (1959) established that individuals with MR are delayed when compared to their non-
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».