Locations of Physical Activity as Assessed by GPS in Young Adolescents
Notice bibliographique
Résumé
OBJECTIVES: To compare adolescents' physical activity at home, near home, at school, near school, and at other locations. METHODS: Adolescents (N = 549) were ages 12 to 16 years (49.9% girls, 31.3% nonwhite or Hispanic) from 447 census block groups in 2 US regions. Accelerometers and Global Positioning System devices assessed minutes of and proportion of time spent in moderate to vigorous physical activity (MVPA) in each of the 5 locations. Mixed-effects regression compared MVPA across locations and demographic factors. RESULTS: Forty-two percent of adolescents' overall MVPA occurred at school, 18.7% at home, 18.3% in other (nonhome, nonschool) locations, and 20.6% near home or school. Youth had 10 more minutes (30% more) of overall MVPA on school days than on nonschool days. However, the percentage of location time spent in MVPA was lowest at school (4.8% on school days) and highest near home and near school (9.5%-10.4%). Girls had 2.6 to 5.5 fewer minutes per day of MVPA than boys in all locations except near school. CONCLUSIONS: Although a majority of adolescents' physical activity occurred at school, the low proportion of active time relative to the large amount of time spent at school suggests potential for increasing school-based activity. Increasing time spent in the neighborhood appears promising for increasing overall physical activity, because a high proportion of neighborhood time was active. Increasing youth physical activity to support metabolic health requires strategies for increasing use of physical activity-supportive locations (eg, neighborhoods) and environmental and program improvements in unsupportive locations (eg, schools, homes).
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 | 0,001 |
| 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 ».