Physical Activity and Sedentary Time Associations with Metabolic Health Across Weight Statuses in Children and Adolescents
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to examine the prevalence of metabolic health across weight statuses and the associations of physical activity and sedentary time within and across metabolic health-weight status groups. METHODS: Six studies (n = 4,581) from the International Children's Accelerometry Database were used. Sedentary time, light physical activity, and moderate to vigorous physical activity (MVPA) were accelerometer derived. Individuals were classified with normal weight (NW), overweight, or obesity. Strict and lenient composite definitions of metabolic health were created. Binomial and multinomial logistic regressions controlling for age, sex, study, and accelerometer wear time were conducted. RESULTS: The metabolically unhealthy (MU) prevalence was 26.4% and 45.6% based on two definitions. Across definitions, more sedentary time was associated with higher odds of MU classification compared with metabolically healthy (MH) classification for the NW group. More MVPA was associated with lower odds of MU classification than MH classification for NW and overweight groups. For multinomial logistic regressions, more MVPA was associated with lower odds of MH-obesity classification, as well as MU-NW, -overweight, and -obesity classifications, compared with the MH-NW group. Furthermore, more sedentary time was associated with higher odds of MU-NW classification compared with the MH-NW group. CONCLUSIONS: More MVPA was beneficial for metabolic health and weight status, whereas lower sedentary time was beneficial for metabolic health alone, although associations were weak.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».