The Formula for Health and Well-Being in Individuals With Cerebral Palsy: Cross-Sectional Data on Physical Activity, Sleep, and Nutrition
Notice bibliographique
Résumé
OBJECTIVE: To determine physical activity, sleep, and nutrition patterns in individuals with cerebral palsy (CP) and investigate the association of Gross Motor Function Classification System (GMFCS) and age with these health behaviors. METHODS: A cross-sectional study was conducted in an outpatient setting. Participants included adolescents and adults with CP (n=28; GMFCS level I-V; mean age 35.1±14.4 years). An Exercise Questionnaire or Leisure Time Physical Activity Questionnaire was used to measure physical activity in adolescents and adults, respectively. Sleep quality was measured using the Pittsburgh Sleep Quality Index (PSQI). An adapted version of the PrimeScreen questionnaire was used to assess nutrition. Linear regression analyses were performed to investigate the association between GMFCS and age with physical activity, sleep, and nutrition. RESULTS: The average total physical activity was 29.2±30.0 min/day. Seventy-five percent of the participants had poor sleep quality (PSQI score >5). Seventy-one percent reported "fair" eating behaviors; none reported "excellent" eating behaviors. Neither GMFCS nor age were significantly associated with PSQI score, PrimeScreen score, or total physical activity. A negative correlation existed between sleep quantity (hr/night) and PSQI score (r=-0.66, p=0.01). CONCLUSION: The triad of health components, consisting of physical activity, sleep, and nutrition, was not associated with GMFCS or age in our sample of 28 individuals with CP, suggesting that these three health behaviors should be assessed during clinical encounters of CP in adolescents and adults at all levels of the GMFCS.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».