Short-term muscle power and speed in preschoolers exhibit stronger tracking than physical activity
Notice bibliographique
Résumé
The purpose of this study was to examine the tracking of short-term muscle power, speed, and physical activity over a 15-month period in a sample of healthy Canadian preschool-aged children. Seventeen preschoolers (age, 4.4 ± 0.8 years) completed exercise testing and physical activity monitoring at baseline and follow-up separated by 14.6 ± 4.1 months. Short-term muscle power was measured using a modified 10-s Wingate test with peak power and mean power normalized to body mass. Speed was assessed with a 25-m dash. Physical activity was measured by accelerometry (Actigraph GT1M) using a 3-s epoch over 7 consecutive days. Total physical activity and moderate-to-vigorous physical activity, expressed as a percentage of accelerometer wear time, were examined. Tracking of the variables between year 1 and year 2 was analyzed using Spearman rank order correlations and Kappa statistics. Paired t-tests were used to assess differences in performance and physical activity between year 1 and year 2. Total physical activity was not significantly different at year 2 (p > 0.05) and showed fair tracking (r = 0.51, p = 0.05; ĸ = 0.30). Moderate-to-vigorous physical activity was increased at year 2 (p = 0.03) and exhibited poor tracking (r = 0.29, p = 0.28; ĸ = 0.00). Short-term muscle power and speed was increased at year 2 (p < 0.0001) and exhibited significant tracking: peak power (r = 0.72, p = 0.001; ĸ = 0.46), mean power (r = 0.83, p = 0.00004; ĸ = 0.82), and 25-m dash (r = 0.82, p = 0.0001; ĸ = 0.47). Moderate-to-vigorous physical activity increased in this sample of boys and girls during the preschool years, and short-term muscle power and speed exhibited stronger tracking than physical activity.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 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 ».