MétaCan
Menu
Retour à la cohorte
Enregistrement W2769742074 · doi:10.1186/s12889-017-4851-1

Systematic review of the relationships between combinations of movement behaviours and health indicators in the early years (0-4 years)

2017· review· en· W2769742074 sur OpenAlexafffund
Nicholas Kuzik, Veronica J. Poitras, Mark S. Tremblay, Eun‐Young Lee, Stephen Hunter, Valerie Carson

Notice bibliographique

RevueBMC Public Health · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensChildren's Hospital of Eastern OntarioUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health ResearchUniversity of AlbertaPublic Health AgencyPublic Health Agency of Canada
Mots-clésMedicinePsychosocialPsycINFOObservational studyGerontologyGross motor skillPopulationPublic healthBiostatisticsMEDLINEMotor skillEnvironmental healthPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A recent review highlighted important relationships between combinations of movement behaviours (i.e., sleep, sedentary behaviour, and physical activity) and health indicators among school-aged children and youth (aged 5-17 years). It is unclear whether similar relationships exist in younger children. Therefore, this review sought to examine the relationships between combinations of movement behaviours and health indicators in the early years (1.00 month to 4.99 years). METHODS: Medline, EMBASE, PsycINFO, and SportDiscus were searched for relevant studies up to November 2016, with no date or study design limits. Included studies met the a priori-determined population (apparently healthy children aged 1.00 month to 4.99 years), intervention (combination of ≥2 movement behaviours [i.e., sleep and sedentary behaviour; sleep and physical activity; sedentary behaviour and physical activity; and sleep, sedentary behaviour, and physical activity]), comparator (various levels and combinations of movement behaviours), and health outcome/indicator (Critical: adiposity, motor development, psychosocial health/emotional regulation, cognitive development, fitness, and growth; Important: bone and skeletal health, cardiometabolic health, and risks). For each health indicator, quality of evidence was assessed by study design using the Grading of Recommendations Assessment, Development, and Evaluation (GRADE) framework. RESULTS: Ten articles (n = 7436 participants; n = 5 countries) were included. Across observational and experimental study designs, the most ideal combinations of sedentary behaviour and physical activity were: favourably associated with motor development and fitness among preschool-aged children (3.00 to 4.99 years); both favourably and not associated with adiposity among toddlers (1.10 to 2.99 years) and preschool-aged children; and not associated with growth among toddlers and preschool-aged children. The most ideal combinations of sleep and sedentary behaviour were favourably associated with adiposity among infants (1.00 month to 1.00 years) and toddlers. Quality of evidence ranged from "very low" to "moderate". CONCLUSIONS: The most ideal combinations of movement behaviours (e.g., high sleep, low sedentary behaviour, high physical activity) may be important for optimal health in the early years. Findings can help inform movement behaviour guidelines for the early years. Given the limited evidence, future research is needed to determine the ideal distribution of daily movement behaviours for optimal health throughout the early years.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,065
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,065
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0100,010
Bibliométrie0,0130,015
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,205
Tête enseignante GPT0,422
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations257
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetObesity, Physical Activity, DietTravaux en français237 207