Physical Activity Level Using Doubly-Labeled Water in Relation to Body Composition and Physical Fitness in Preschoolers
Notice bibliographique
Résumé
Background and objectives: There is a lack of studies investigating associations of physical activity level (PAL) and activity energy expenditure (AEE) using the doubly-labeled water (DLW) method with body composition and physical fitness in young children. Thus, we aimed to examine cross-sectional associations of PAL and AEE with body composition indices and physical fitness components in Swedish preschool children. Materials and methods: PAL was calculated as total energy expenditure measured using DLW divided by the predicted basal metabolic rate in 40 children aged 5.5 (standard deviation 0.2) years. AEE was calculated as total energy expenditure minus basal metabolic rate and the thermic effect of food, and divided by fat-free mass. Body composition was assessed using the 3-component model by combining measurements based on isotope dilution and air-displacement plethysmography. Physical fitness (muscular strength, motor fitness, and cardiorespiratory fitness) was evaluated using the PREFIT test battery. Multiple linear regression models were conducted. Results: PAL and AEE were negatively associated with body mass index, percent body fat, and fat mass index (PAL: standardized β −0.35, −0.41, and −0.45, all p < 0.036; AEE: standardized β −0.44, −0.44, and −0.47, all p < 0.006, respectively). Furthermore, PAL and AEE were positively associated with the standing long jump test (PAL: standardized β 0.37, p = 0.017; AEE: standardized β 0.38, p = 0.014). There were no statistically significant associations found regarding PAL or AEE with fat-free mass index or any other physical fitness test. Conclusions: Greater PAL and AEE at the age 5.5 were significantly associated with body fatness and improved lower-body muscular strength. Therefore, increasing physical activity, and thus energy expenditure, at young ages may be beneficial for preventing overweight/obesity. However, further studies with larger sample sizes are needed to confirm the results.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».