Multi-strategy intervention increases school implementation and maintenance of a mandatory physical activity policy: outcomes of a cluster randomised controlled trial
Notice bibliographique
Résumé
OBJECTIVES: To assess if a multi-strategy intervention effectively increased weekly minutes of structured physical activity (PA) implemented by classroom teachers at 12 months and 18 months. METHODS: A cluster randomised controlled trial with 61 primary schools in New South Wales Australia. The 12-month multi-strategy intervention included; centralised technical assistance, ongoing consultation, principal's mandated change, identifying and preparing school champions, development of implementation plans, educational outreach visits and provision of educational materials. Control schools received usual support (guidelines for policy development via education department website and telephone support). Weekly minutes of structured PA implemented by classroom teachers (primary outcome) was measured via teacher completion of a daily log-book at baseline (October-December 2017), 12-month (October-December 2018) and 18-month (April-June 2019). Data were analysed using linear mixed effects regression models. RESULTS: Overall, 400 class teachers at baseline, 403 at 12 months follow-up and 391 at 18 months follow-up provided valid primary outcome data. From baseline to 12-month follow-up, teachers at intervention schools recorded a greater increase in weekly minutes of PA implemented than teachers assigned to the control schools by approximately 44.2 min (95% CI 32.8 to 55.7; p<0.001) which remained at 18 months, however, the effect size was smaller at 27.1 min (95% CI 15.5 to 38.6; p≤0.001). CONCLUSION: A multi-strategy intervention increased mandatory PA policy implementation. Some, but not all of this improvement was maintained after implementation support concluded. Further research should assess the impact of scale-up strategies on the sustainability of PA policy implementation over longer time periods. TRIAL REGISTRATION NUMBER: Australian New Zealand Clinical Trials Registry (ACTRN12617001265369).
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 | 0,008 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».