Parental factors associated with screen time in pre-school children in primary-care practice: a TARGet Kids! study
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
OBJECTIVE: To identify child and parental factors associated with screen time in 3-year-old children. DESIGN: Observational study. SETTING: Participants were recruited from a large primary-care paediatric group practice in Toronto, Canada. SUBJECTS: Healthy 3-year-old children were included. A questionnaire was completed by their parents on screen time. Descriptive statistics and linear regression models were used to assess associations between child screen time and selected factors. Multivariable models included factors from the univariate analysis with P < 0·1. Estimated effects and 95% CI are reported. RESULTS: A total of 157 children were enrolled (91% recruitment). The mean screen time per weekday was 104 min (similar for weekend day). In all, 10% of children had a television (TV) in their bedroom; 59% consumed at least one meal while watching TV; and 81% of parents had household rules about screen time. Controlling for maternal education and age, eating lunch and dinner in front of the screen and mother being employed were associated with an increase in child weekday screen time of 96 (95% CI 30, 192), 42 (95% CI 12, 90) and 36 (95% CI 6, 72) min/d, respectively. Eating lunch in front of the screen and an increase of 1 h of parental screen time were associated with an increase of 78 (95% CI 36, 132) and 12 (95% CI 6, 18) min/d in child weekend screen time. Family rules decreased child weekend screen time by 30 (95% CI 6, 54) min/d. CONCLUSIONS: Interventions that include these important parental factors should be evaluated for their effectiveness in reducing 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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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