Pubertal development, physical activity, and sedentary behavior among South Korean adolescents
Notice bibliographique
Résumé
Background: Sex differences in physical activity (PA) and sedentary behavior (SB) are well-established. However, recent research suggested that variations in pubertal development may explain sex differences in PA and SB among adolescents. Objective: This study examined whether pubertal development mediates the relationship between sex and PA, and SB respectively. Methods: The 2012 Korea Youth Risk Behavior Web-based Survey included data from 74,186 students in grades 7 to 12 (mean age = 14.94 ± 1.8; 48.5% girls). Pubertal development was indicated by the year in which the student reported they had experienced menarche for girls and semenarche for boys. Testing for mediation involved a bootstrapping resampling approach with self-reported PA and SB as criterion variables and taking into account covariates (chronological age, body mass index, school type, household income, and parental education). Results: Boys engaged in PA more frequently (3.30 ± 2.1 vs. 2.29 ± 1.7 day/week) and spent less time in SB (2.75 ± 1.2 vs. 2.93 ± 1.2 hr/day) than girls. Direct effects were found between sex and PA (β = -0.58 ± .01; p < .05), and sex and SB (β = 0.17 ± 0.01; p < .05). Pubertal development did not significantly mediate the relationship between sex and PA (β = 0.00; bias-corrected 95% confidence interval [BC 95% CI] [-0.01, 0.01]). Though pubertal development significantly mediated the association between sex and SB, the effect was small (β = 0.01; BC 95% CI [0.00, 0.02]). Conclusions: Sex appears to be an important predictor of PA and SB. Nonetheless, it is most likely that a combination of individual (e.g., psychological, biological) and sociocultural factors contribute to adolescents' movement behavior.
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) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».