Movement Behaviors and Mental Wellbeing: A Cross-Sectional Isotemporal Substitution Analysis of Canadian Adolescents
Notice bibliographique
Résumé
Background: Studies have shown reallocating screen time for healthy movement behaviors such as physical activity and sleep can provide important benefits for mental health. However, the focus on positive aspects of mental health such as wellbeing has received limited attention, particularly among adolescents. The purpose of this study was to examine the effects of reallocating physical activity, screen time, and sleep on mental wellbeing in adolescents. Methods: This study involved cross-sectional analysis of data from Wave 1 of the ADAPT study. A total of 1,118 Canadian adolescents enrolled in grade 11 classes (M AGE = 15.92; 54.5% female) self-reported their movement behaviors using the International Physical Activity Questionnaire – Short Form to assess moderate-to-vigorous physical activity and daily recall questionnaires to assess recreational screen time and sleep. Participants also completed three measures of mental wellbeing: the Flourishing Scale, Rosenberg Self-Esteem Scale, and a brief Resiliency scale from the Canadian Campus Wellbeing Survey. Results: Isotemporal substitution analysis revealed replacing 60 min of screen time with either moderate-to-vigorous physical activity or sleep has significant benefits for mental wellbeing. Comparatively, reallocating 60 min between moderate-to-vigorous physical activity and sleep does not impact mental wellbeing. Discussion: Findings suggest healthy movement behaviors confer similar beneficial effects for adolescent’s mental wellbeing. Health promotion campaigns targeted toward adolescents should consider highlighting that reallocation of screen time to either sleep or moderate-to-vigorous physical activity may provide important benefits for mental wellbeing.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,000 | 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 ».