Direct observations of active school transportation and stroller use in kindergarten children
Notice bibliographique
Résumé
Little is known about kindergarten students' active school transportation (AST) and stroller/wagon use as sedentary travel devices. The primary objective of this cross-sectional study was to determine the prevalence of kindergarten children arriving to school by active and sedentary modes, including strollers, in Toronto elementary schools and compare to students in kindergarten to grade 6 (K–6). The secondary objective was to examine factors associated with AST in kindergarten and K–6 students. School travel mode was counted using direct observations at elementary schools in the City of Toronto in 2015. Two samples were observed: 1) Kindergarten sample: a random sample of schools with separate kindergarten entrances (n = 26 schools, 1069 children); 2) Kindergarten to grade 6 sample: observations were conducted at arrival locations at 50% of eligible elementary schools for students of all ages (n = 88 schools, 17,224 children). Proportions arriving by different travel modes were compared using Chi-square analysis. Negative binomial regression was conducted to examine the association between school characteristics and AST. AST was lower in the kindergarten compared to the K–6 sample (60% versus 74%, χ2 = 91.37, p < 0.001). The predominant sedentary mode for kindergarten students was by vehicle (38%), with < 2% using strollers/wagons. Recent immigrant status was related to higher AST in kindergarten students; higher social disadvantage, crossing guards, school population and collision rates were related to higher AST in the K–6 sample. Factors influencing AST in young students require further investigation to influence the development of healthy active lifestyles at an early age.
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 | 0,001 |
| 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 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 ».