MétaCan
Menu
Retour à la cohorte
Enregistrement W2134566358 · doi:10.1123/pes.2014-0022

Physical Activity, Screen Time, and Sitting Among U.S. Adolescents

2014· article· en· W2134566358 sur OpenAlexaff
Valerie Carson, Amanda E. Staiano, Peter T. Katzmarzyk

Notice bibliographique

RevuePediatric Exercise Science · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Institute of General Medical Sciences
Mots-clésSittingPhysical therapyMedicinePhysical activityPhysical medicine and rehabilitationDemographyPsychology

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to describe self-reported levels of sitting, moderate- to vigorous-intensity physical activity (MVPA), television viewing, and computer use in a representative sample of US adolescents and to make comparisons between sex, race/ethnicity, weight status, and age groups. Results are based on 3556 adolescents aged 12-19 years from the 2007-2012 National Health and Nutrition Examination Survey. Participants self-reported demographic, sitting, MVPA, television viewing (2011-2012 only) and computer use (2011-2012 only) variables. Height and weight were measured to calculate body mass index. On average, 7.5 hr/day were spent sitting and 34 median min/day were spent participating in MVPA, with females sitting more and participating in less MVPA than males across most demographic groups. Furthermore, obese males sat more and participated in less MVPA than nonoverweight males. Non-Hispanic white females participated in more MVPA than females in all other race/ethnicity groups. For television and computer, 38% and 22% of the sample engaged in >2 hr/day, respectively, and several race/ethnicity differences were observed. This study provides the first U.S. adolescent population estimates on self-reported sitting and updates population estimates on self-reported MVPA, television viewing and computer use. Continued efforts are needed to promote healthy active lifestyles in American adolescents.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,257
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations82
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePediatric Exercise ScienceMême sujetObesity, Physical Activity, DietTravaux en français237 207