Associations Between School Environments, Policies and Practices and Children's Physical Activity and Active Transportation
Notice bibliographique
Résumé
BACKGROUND: There is evidence of school-level variability in children's active behaviors. This study investigated the associations between school environments, policies and practices, and children's physical activity (PA) and active school transportation (AST), in a school ecology context. METHODS: We recruited children (N = 1699, age = 10.2 ± 1.0 years, 55.0% girls) in 37 schools from 3 diverse regions of Canada. We then collected data using questionnaires (child, parent) and pedometers. In each school, an official completed a School Health Environment Survey. Multilevel regression models were used to examine associations with children's daily steps, and frequency and volume (frequency*distance) of AST. RESULTS: Between-school variation ranged from 4.7% to 22.2% demonstrating that school environments are associated with children's active behaviors. None of the school environment variables were significantly associated with children's PA or frequency of AST. Nevertheless, their inclusion improved the PA model. Children's volume of AST increased in schools that reported more initiatives to promote AST. CONCLUSIONS: Our findings suggest that multiple components are needed to effectively promote active behaviors in children. Schools should determine the areas in which they can improve and assess the feasibility of implementing measures to make their school environments, policies, and practices more conducive to PA and AST.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».