Examining the relationship between adolescent health behaviors, brain health, and academic achievement using fNIRS
Notice bibliographique
Résumé
Abstract Background Several adolescent health behaviors have been hypothesized to improve academic performance via their beneficial impact on cognitive control and functional aspects of the prefrontal cortex (PFC). Specifically, exercise, restorative sleep, and proper diet are thought to improve PFC function, while substance abuse is thought to reduce it. Few studies have examined the relationships among all of these in the same sample, while quantifying downstream impacts on academic performance. Objective The primary objective of this study is to examine the association between lifestyle behaviors and academic performance in a sample of adolescents, and to examine the extent to which activity within the PFC and behavioural indices of inhibition may mediate this relationship. Methods Sixty-seven adolescents underwent two study sessions five days apart. Sleep and physical activity were measured using wrist-mounted accelerometry; eating habits, substance use and academic achievement were measured by self-report. Prefrontal function was quantified by performance on the Multi-Source Interference Task (MSIT), and task-related brain activity via functional near-infrared spectroscopy (fNIRS). Results Higher levels of accelerometer-assessed physical activity predicted higher MSIT accuracy scores ( ϐ = .321, ρ = 0.019) as well as greater task-related increases in activation within the right dlPFC ( ϐ =.008, SE = .004, ρ =.0322). Frequency of fast-food consumption and substance use were both negatively associated with MSIT accuracy scores ( ϐ = −.307, ρ = .023) and Math grades ( β = −3.702, SE = 1.563, ρ = .022) respectively. However, these effects were not mediated by indicators of PFC function. Conclusion Physical activity and eating behaviors predicted better interference task performance in adolescents, with the former mediated by greater task-related increases in right dlPFC activation. Substance use predicted worse Math grades, however, no other reliable effects of health behaviors on academic outcomes were evident.
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 | 0,001 |
| 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) | 0,001 | 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 ».