Screen-based sedentary behaviour and adiposity among school children: Results from International Study of Childhood Obesity, Lifestyle and the Environment (ISCOLE) - Kenya
Notice bibliographique
Résumé
BACKGROUND: High levels of sedentary behaviours have been independently associated with several negative health indicators, including obesity. Screen time (ST) is often used as a contributing measure of sedentary time. It is recommended that children spend no more than 2 hours on recreational sedentary screen-based activities daily. We describe screen-based sedentary time of urban school children and examine the associations between body mass index (BMI) and percent Body Fat (%BF) with ST levels. METHODS: Data were collected from 563 children aged 9 to 11 years attending 29 non-boarding primary schools in Nairobi, Kenya, as part of the International Study of Childhood Obesity, Lifestyle and the Environment (ISCOLE). Data were analysed to test for associations between ST and sex, type of school attended (public verses private), Socioeconomic status, adiposity, and access to electronic devices. We also assessed participants' ST on school and weekend days. RESULTS: Of the participants recruited, 15.5% had high ST levels, 67.9% spent no more than 2 hours in recreational screen activities on school days while 74.2% did not meet the guidelines on weekend days. Participants sex was associated with daily ST (t = 3.5, p<0.001), ST on the weekend (t = 3.9, p <0.001) and total ST per week (t = 3.5, p<0.001) with males having higher ST than females. ST was associated with type of school for daily ST (t = 3.6, p <0.001), ST on the weekend (t = 4.5, p<0.001) and total ST per week (t = 3.6, p<0.001) where private schools pupils had higher ST. ST was not associated with BMI. ST was not associated with %BF except on weekend days (p = 0.038) where those classified as overfat/obese (fat) had higher ST. CONCLUSIONS: A large proportion of children spend more time than recommended on screen activities particularly on weekend days. Strategies to improve healthy living should focus on the reduction of sedentary ST for school-aged children.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,002 | 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 ».