Association of Physical Fitness Indicators with Health Profile and Lifestyle of Children
Notice bibliographique
Résumé
Objective: High physical fitness (PF) level is a significant health determinant in children and adolescents so that it is important to identify the factors affecting PF in this population. Despite available studies highlighting the relationship between PF and characteristics of children, there is still a need to uncover how the health status and lifestyle of children impact different PF indicators. Thus, the purpose of this study is to investigate the relationship between physical fitness, and the health profile and lifestyle of children. Methods: This study was conducted with 110 (58 girls; age 11.85±0.35) adolescents between February and March 2020. The preditors of PF which were gender, body mass index, physical activity level (PAL) measured via Physical Activity Questionnaire (PAQ), motivation measured via Participation Motivation Questionnaire (PMQ), sleep time, and tablet usage time regressed against PF related outcome measured using 6 Minutes Walk test (6MWT), T-Test, vertical jump test and broad jump test (BJT). Results: There were significant associations between T-test performance, and gender, BMI (being obese), and PAL. PAL and gender were also significant predictors for 6MWT and BJT respectively. PF was not significantly associated with motivation, sleep, and table usage time. A high level of physical activity, being male, and low BMI score resulted in better PF performance. Conclusion: The health profile and lifestyle of adolescents may estimate the significant proportion of variabilities observed in physical fitness levels in 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 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 | 0,000 |
| 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 | 0,001 |
| 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 ».