Physical activity interventions in children and youth with autism spectrum disorder: A systematic review
Notice bibliographique
Résumé
Background: Autism Spectrum Disorder (ASD) is recognized as one of the most common developmental disabilities, affecting 1 in 200 Canadian children. There is a tendency within this population toward lower cardiovascular fitness, poor motor skills, higher percentage of body fat and lower maximal heart rate compared to their peers. The majority of evidence on physical activity (PA) interventions for children with ASD has focused on behavioural outcomes such as a reduction in maladaptive behaviours, with little attention directed towards health-related outcomes. The objective of this review was to examine behavioural interventions aimed at increasing PA behaviour and/or health-related fitness in children with ASD. Method: Following a standardized protocol, a systematic review was conducted using electronic databases (e.g., CINAHL, EMBASE, MEDLINE, PubMed, PsycINFO), and a range of search terms. Results: A total of seven studies (Nparticipants = 52; Mage = 13.3 yrs; 79% male) were included in the review. The length of the PA interventions ranged from 6 to 36 weeks. The frequency of the training occurred most commonly 2 days per week, with individual session durations ranging from 20 to 60 minutes. The majority (57%) of the interventions were between light to moderate intensity. Five of the seven interventions were solely aerobic activities, while the remaining two interventions consisted of aerobic and strength-training components. Conclusion: Overall, there is limited research examining the effects of PA interventions on the PA behaviour and/or fitness of children and youth with ASD. Findings from this review indicate that PA interventions are beneficial for children and youth with ASD, in terms of improving physical health and well-being, as well as offering alternative modes of therapy. A recommendation for future interventions is to employ an objective measure of physical activity (e.g., accelerometer) as a precise method of assessing the success of a program.
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 | 0,004 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».