Role of Individual and School Factors in Physical Activity Patterns of Secondary-Level Spanish Students
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
BACKGROUND: While the importance of individual and school factors as correlates of overall youth physical activity has been demonstrated by previous research, less is known about the relationship of these factors with specific patterns of physical activity during adolescence. Thus, the purpose of this study was to examine the association of selected individual and school factors with patterns of physical activity based on a sum index of physical activity in a population-based sample of Spanish adolescents. METHODS: One thousand and eighty-four students aged 12 to 17 years completed a self-report survey once during school hours. In addition to participation in physical activity outside of school hours, the following variables were included in the analysis: gender, age, weight status, physical self-perceptions, evaluation of the school physical education experience, and type of school (public vs private). Multinomial logistic regression was used to model the associations among the variables and to calculate odd ratios (ORs) and 95% confidence intervals (CIs) for each pattern of physical activity. RESULTS: The physical self-perceptions variable was the most consistent individual correlate of physical activity across participation patterns (ORs ranging from 4.29 to 1.88, CIs ranging from 2.16-8.54 to 1.10-3.21). Regarding the school variables included in this study, both were linked with participation in physical activity, but evaluation of the physical education experience showed the most consistent associations across activity patterns (ORs 2.49-2.17, CIs 1.49-4.15 to 1.25-3.74). CONCLUSION: Physical education programs may benefit adolescents with different physical activity participation preferences regardless of important individual characteristics and broader school factors.
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 | 0,001 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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