Personal, social, and environmental correlates of physical activity and sport participation in an adolescent Turkish population
Notice bibliographique
Résumé
Abstract Background Benefits of physical activity has been shown for adolescents; however, there is a decline trend in number of adolescents meeting current WHO recommendations. This trend underlines the importance of identifying factors associated with adolescents’ physical activity level (PAL) with considerations of regional and cultural differences to plan and implement effective policies. Therefore, the aim of this study was to determine personal, ecological, and social factors associated with PAL and sport participation in Turkish adolescents aged 11–14 years. A cross-sectional study was conducted by including 996 adolescents aged between 11 and 14 years from 39 secondary schools in İstanbul, Turkey. Logistic regression analyses performed to identify the significant personal (age, gender, sleep time, screen time, BMIz score, having siblings), ecological (presence of playground, type of school transportation), and social (family income, engaging a physical activity with family, and preferred activity at school breaks) predictors of PAL and sport participation. Results Adolescents who were active during break time at school ( p < 0.001), engaging a physical activity with family ( p < 0.001), and did not have a sibling ( p = 0.029) were more likely to be physically active. Adolescents behaved active during break time at school ( p < 0.001), had a playground at home ( p < 0.001), spending time with family for physical activity ( p < 0.001), and did not have a sibling ( p = 0.021) were more likely to participate in a sport activity. Conclusions Predictors of PAL in this study indicates the need to promote active break time in school, increased physical activity time with family, and to design environmental policies to increase number of playgrounds.
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) | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».