MétaCan
Menu
← Retour à la cohorte
Enregistrement W3035862003 · doi:10.71781/1186

Physical activity and screen time trajectories in adolescents

2019· dissertation· en· W3035862003 sur OpenAlexaboutno aff
Teodora Riglea

Notice bibliographique

RevueOpen MIND · 2019
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhysical activityScreen timePsychologyDevelopmental psychologyMedicinePhysical medicine and rehabilitation

Résumé

récupéré en direct d'OpenAlex

Introduction : Seulement 7% des Canadiens de 17 ans et moins pratiquent 60 minutes d’activité physique modérée à vigoureuse quotidiennement. La majorité dépasse le temps d’écran quotidien recommandé de deux heures. Plusieurs études transversales indiquent que les deux comportements évoluent indépendamment et ne seraient que faiblement corrélés. Objectifs et hypothèses : Les objectifs de ce mémoire est d’identifier des trajectoires d’activité physique et des trajectoires de temps devant l’écran durant l’adolescence, par sexe, et de décrire la distribution des individus selon l’appartenance simultanée aux deux trajectoires. Nos hypothèses stipulent que des trajectoires différentes seront observées pour les deux sexes et que les deux comportements ne s’influenceront pas. Méthodes : Les données proviennent d’une étude prospective de 1294 adolescents de la région de Montréal, recrutés en 1999 à l’âge de 12-13 ans. Des questionnaires ont été remplis en classe à chaque 3 mois, de la première à la cinquième année du secondaire. Des modélisations de trajectoires de groupe ont identifié des trajectoires d’activité physique et de temps devant l’écran. Une modélisation de trajectoires jointes a rapporté des probabilités d’appartenance aux trajectoires des deux variables. Résultats : Cinq groupes ont été identifiés pour les trajectoires d’activité physique pour les deux sexes. Quatre groupes ont été identifiés pour les garçons et 5 pour les filles concernant le temps passé devant l’écran. 57% des garçons et 46% des filles ont fait des activités physiques pendant 6-7 jours par semaine, durant toute l’adolescence. Toutes les trajectoires de temps devant l’écran accumulent plus de deux heures d’écran quotidiennement. Les probabilités conditionnelles suggèrent une relation entre l’activité physique et le temps devant l’écran. Conclusion : Le développement de l’activité physique et du temps devant l’écran est hétérogène durant l’adolescence. Leur coévolution doit être prise en compte par les professionnels en santé publique.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,362
Score d'incertitude au seuil0,720

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,024
Tête enseignante GPT0,360
Écart entre enseignants0,335 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetImpact of Technology on Adolescents→Travaux en français237 207→