Movement behaviors and their association with depressive symptoms in Brazilian adolescents: A cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Physical activity, sleep, and sedentary behaviors compose 24-h movement behaviors and have been independently associated with depressive symptoms. However, it is not clear whether it is the movement behavior itself or other contextual factors that are related to depressive symptoms. The objective of the present study was to examine the associations between self-reported and accelerometer-measured movement behaviors and depressive symptoms in adolescents. METHODS: Cross-sectional data from 610 adolescents (14-18 years old) were used. Adolescents answered questions from the Center for Epidemiological Studies Depression scale and reported time spent watching videos, playing videogames, using social media, time spent in various physical activities, and daytime sleepiness. Wrist-worn accelerometers were used to measure sleep duration, sleep efficiency, sedentary time, and physical activity. Mixed-effects logistic regressions were used. RESULTS: Almost half of the adolescents (48%) were classified as being at high risk for depression (score ≥20). No significant associations were found between depressive symptoms and accelerometer-measured movement behaviors, self-reported non-sport physical activity, watching videos, and playing videogames. However, higher levels of self-reported total physical activity (odd ratio (OR) = 0.92, 95% confidence interval (95%CI): 0.86-0.98) and volume of sports (OR = 0.88, 95%CI: 0.79-0.97), in minutes, were associated with a lower risk of depression, while using social media for either 2.0-3.9 h/day (OR = 1.77, 95%CI: 1.58-2.70) or >3.9 h/day (OR = 1.67, 95%CI: 1.10-2.54), as well as higher levels of daytime sleepiness (OR = 1.17, 95%CI: 1.12-1.22), were associated with a higher risk of depression. CONCLUSION: What adolescents do when they are active or sedentary may be more important than the time spent in the movement behaviors because it relates to depressive symptoms. Targeting daytime sleepiness, promoting sports, and limiting social media use may benefit adolescents.
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 | 0,002 |
| 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 ».