Physical activity in young children at risk for developmental coordination disorder
Notice bibliographique
Résumé
AIM: To examine cross-sectional differences in patterns of daily physical activity accumulation between preschool children at risk for developmental coordination disorder (DCD) compared to typically developing children. METHOD: In total, 514 children (292 males, 222 females; 4-5y) were recruited as part of the Coordination and Activity Tracking in CHildren (CATCH) study. Motor competence was assessed using the Movement Assessment Battery for Children, Second Edition; children scoring ≤5th centile comprised the probable DCD group (pDCD, n=87), between the 6th and 16th centile were considered to be at risk for DCD (rDCD, n=149), and >16th centile were considered typically developing (n=278). Seven-day physical activity was measured using hip-worn accelerometers. Average daily intensity of activity, frequency, and duration of moderate-to-vigorous physical activity (MVPA) bouts, and triaxial activity counts per minute were determined. RESULTS: No differences in daily activity in any intensity or axis of movement were found among the three groups. However, young children with pDCD accumulated their MVPA in slightly shorter bouts compared to typically developing children. INTERPRETATION: Young children at risk for DCD are not yet in an activity deficit. This may be because of the low motor skill demands of play in this age group. Early motor interventions may be able to promote continued physical activity participation in children with DCD. WHAT THIS PAPER ADDS: Preschool children at risk for developmental coordination disorder (DCD) are not less active than their peers. Overall intensity and frequency of daily activity bouts are similar among motor groups. Children with probable DCD accumulate their activity in shorter bouts.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».