Predictors of screen viewing time in young Singaporean children: the GUSTO cohort
Notice bibliographique
Résumé
BACKGROUND: Higher screen viewing time (SVT) in childhood has been associated with adverse health outcomes, but the predictors of SVT in early childhood are poorly understood. We examined the sociodemographic and behavioral predictors of total and device-specific SVT in a Singaporean cohort. METHODS: At ages 2 and 3 years, SVT of 910 children was reported by their parents. Interviewer-administered questionnaires assessed SVT on weekdays and weekends for television, computer, and hand-held devices. Multivariable linear mixed-effect models were used to examine the associations of total and device-specific SVT at ages 2 and 3 with predictors, including children's sex, ethnicity, birth order, family income, and parental age, education, BMI, and television viewing time. RESULTS: At age 2, children's total SVT averaged 2.4 ± 2.2 (mean ± SD) hours/day, including 1.6 ± 1.6 and 0.7 ± 1.0 h/day for television and hand-held devices, respectively. At age 3, hand-held device SVT was 0.3 (95% CI: 0.2, 0.4) hours/day higher, while no increases were observed for other devices. SVT tracked moderately from 2 to 3 years (r = 0.49, p < 0.0001). Compared to Chinese children, Malay and Indian children spent 1.04 (0.66, 1.41) and 0.54 (0.15, 0.94) more hours/day watching screens, respectively. Other predictors of longer SVT were younger maternal age, lower maternal education, and longer parental television time. CONCLUSIONS: In our cohort, the main predictors of longer children's SVT were Malay and Indian ethnicity, younger maternal age, lower education and longer parental television viewing time. Our study may help target populations for future interventions in Asia, but also in other technology-centered societies. TRIAL REGISTRATION: This ongoing study was first registered on July 1, 2010 on NCT01174875 as. Retrospectively registered.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».