Taxonomy-based content analysis of sedentary behavior questionnaires: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Health effects of sedentary behaviors (SB) may vary depending on their characteristics such as type, purpose, duration, and intensity of the behavior. While a growing number of questionnaires assess sedentary behaviors, it is unclear which characteristics of SB are measured. The aim of this review was to examine the content of self-report SB questionnaires. METHODS: Three databases were searched for sedentary behavior questionnaires published before January 1st, 2016. Based on the inclusion criteria, 82 articles out of 1369 were retrieved for a total of 60 questionnaires. For each questionnaire, the sedentary behavior characteristics identified were reported and analyzed. RESULTS: Most of the questionnaires assessed the time (n = 60), posture (n = 54), purpose (n = 46) and the types (n = 45) of SB performed. Fewer questionnaires assessed the environment (n = 20) social context (n = 11), status (n = 2), and associated behaviors (n = 2) related to sedentary behaviors. All the questionnaires except two assessed time spent in SB with 17 assessing frequency and 6 assessing breaks in SB. The most frequent characteristics identified in the questionnaires were the categories of sitting (90%), a day (95%), watching television (65%) and using a computer (55%). Many characteristics of SB were not measured. CONCLUSIONS: By knowing the breadth of SB included in questionnaires, this review provides support to shape the design of new questionnaires designed to reduce the gaps in measuring sedentary behaviors.
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 | 0,038 | 0,133 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,008 |
| Bibliométrie | 0,040 | 0,028 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».