Participation predictors for leisure‐time physical activity intervention in children with cerebral palsy
Notice bibliographique
Résumé
AIM: To determine the predictors of magnitude of change in response to a participation-focused leisure-time physical activity intervention in children with cerebral palsy (CP) using the ParticiPAte CP protocol. METHOD: We included 33 children (16 males, 17 females) aged 8 to 12 years (mean age=10y, SD=1y 6mo) with CP with pre/postintervention data from a wait-list randomized trial. The hypothesized linear predictors of change in primary outcomes (Canadian Occupational Performance Measure [COPM]-performance and COPM-satisfaction, Belief in Goal Self-Competence Scale (BiGSS), and minutes per day moderate-to-vigorous physical activity [MVPA]) were: age; Gross Motor Function Classification System level; comorbid autism spectrum disorder (ASD); Goal Attainment Scaling T score; Problems in Schools Questionnaire; Physical Activity Climate Questionnaire; Motives for Physical Activities Measure-Revised; and stage of behaviour change. Multivariable models were selected using the Bayesian information criterion. RESULTS: Overcoming barriers to participation, age, and comorbid ASD explained 49% of the variance in change in COPM-performance. Being motivated by interest and/or enjoyment and age explained 32% of the variance in change in COPM-satisfaction. Being motivated by physical activity competence or appearance (extrinsic motivation) explained 24% of the variance in change in BiGSS. Parental autonomy supportiveness, overcoming barriers to participation, appearance motivation, and baseline MVPA explained 59% of the variance in change in MVPA. INTERPRETATION: These findings support a behaviour paradigm for conceptualizing physical activity in children with CP. WHAT THIS PAPER ADDS: Children who met their treatment goals showed a greater increase in physical activity participation. Children who were more intrinsically motivated by physical activity at baseline improved more. Being older and having a comorbid diagnosis of autism spectrum disorder were associated with an attenuated effect of the therapy.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».