Physical fitness, body composition and pedometer measured physical activity in children in a rural Manitoba community
Notice bibliographique
Résumé
A child’s level of physical activity is an important component of that child’s health. Our understanding of physical activity patterns in children is limited in rural settings, and virtually absent for climates with snow cover. Opportunities for physical activity intervention need to be identified. PURPOSE: Investigation of the relationships between pedometer-measured physical activity, body composition and aerobic performance in rural children in the winter and examination of within-day variation in stepping behavior using interval pedometry. METHODS: Aerobic performance (20 m shuttle run) with “talk test” validation and body composition (BMI, BF) were measured during mid-winter during the school year in 8 to 10 year old children. Pedometer step counts were recorded at 6 intervals throughout the day for 7 days. RESULTS: Fifty-six subjects (22 males and 34 females, mean age 9.09 (0.49), had the following measurements; BMI 17.9 (3.3), BF% 24.3 (9.5) (tricep/calf), 10,465 (±2506) steps/day, VO2 45.12 ml/kg/min (±2.87), shuttle run stage 3.0 (±1.34). Weekday steps/day (11,422 ±2573) were greater than weekend (8,112, ±3499) steps/day for both boys and girls (p<0.01). Town children recorded 1800 more steps/day than out of town children (p<0.01). All measures of body composition were found to be significantly related to aerobic power (p<0.01). Weekday steps were related to aerobic performance. The fittest (upper 1/3) children were leaner and had more afternoon school steps, and higher afternoon school step rates. CONCLUSION: Daily step counts were 2000-4000 steps lower than other studies and may be an impact of winter in Manitoba or the rural setting. This was consistent with overall low aerobic performance and higher adiposity of the children. Interval pedometry was capable of identifying differences in activity patterns between most and least fit children in rural Manitoba providing for targeted intervention strategies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».