The Independent and Interactive Associations of Screen Time and Physical Activity on Mental Health, School Connectedness and Academic Achievement among a Population-Based Sample of Youth.
Notice bibliographique
Résumé
OBJECTIVE: Few studies have addressed the links between sedentary behaviour (SED) and mental health in youth. Most studies on physical activity (PA) and SED examine their independent effects on mental health, or fail to account for PA in this relationship. The purpose of this study is to examine the independent effects of PA and screen time on mental health, school connectedness and academic achievement, and potential interactions between PA and screen time in such associations. METHODS: Data was obtained through 2,660 adolescents who completed the self-administered Ontario Student Drug Use and Health Survey (OSDUHS) in 2009. Self-reported variables of demographics, PA, screen time, and mental health indicators were also collected. RESULTS: Using logistic regression, screen time was inversely associated with all mental health indicators (p<.05). Although meeting PA guidelines was associated with lower school disconnectedness in males, the effects of high screen time were greater than the independent associations of PA among mental health indicators. An interaction between screen time and PA with low self-esteem was found only in males. Higher screen time was associated with lower self-esteem in males, independent of PA (p<.001). CONCLUSION: High screen time was associated with poorer mental health and academic outcomes. Being physically active did not result in higher self-esteem in the presence of high screen time among males. These results confirm the value in distinguishing the independent and interactive effects of PA and SED on mental health. Future research should promote PA and reduce screen time to improve mental health outcomes among youth.
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 | 0,001 | 0,001 |
| 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 ».