MétaCan
Menu
← Retour à la cohorte
Enregistrement W4223648658 · doi:10.1186/s12889-022-13079-y

Does an active play standard change childcare physical activity and healthy eating policies? A natural policy experiment

2022· article· en· W4223648658 sur OpenAlexaff
Claire N. Tugault-Lafleur, Patti‐Jean Naylor, Valerie Carson, Guy Faulkner, Erica Y. Lau, Luke Wolfenden, Louise C. Mâsse

Notice bibliographique

RevueBMC Public Health · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensBC Children's HospitalUniversity of British ColumbiaUniversity of AlbertaUniversity of VictoriaUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésBiostatisticsMedicineEnforcementGovernment (linguistics)Natural experimentActive livingEnvironmental healthPopulationScreen timePublic healthPhysical activityNursingPhysical therapyPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In 2017, the provincial government of British Columbia (BC) implemented a mandatory policy outlining Active Play Standards (AP Standards) to increase physical activity (PA) levels, sedentary and motor skills among children attending licensed childcare centers. Concurrently, a capacity-building initiative was launched to help implement policies and practices supporting both PA and healthy eating (HE) in the early years. This study evaluated differences in center-level PA and HE policies and practices before and after the enforcement of the new provincial AP Standards. METHODS: Using a repeat cross-sectional design, surveys were distributed to managers and staff of licensed childcare facilities serving children aged 2-5 years before (2016-2017 or 'time 1') and after (2018-2019 or 'time 2') implementation of the AP Standards across BC. The total sample included 1,459 respondents (910 and 549 respondents at time 1 and time 2, respectively). Hierarchical mixed effects models were used to examine differences in 9 and 7 PA/sedentary policies and practices, respectively, as well as 11 HE policies between time 1 and time 2. Models controlled for childcare size and area-level population size, education, and income. RESULTS: Compared to centers surveyed at time 1, centers at time 2 were more likely to report written policies related to: fundamental movement skills, total amount of Active Play (AP) time, staff-led AP, unfacilitated play/free play, total amount of outdoor AP time, limiting screen time, breaking up prolonged sitting, staff role modeling of PA, and training staff about PA (P < 0.01 for all 9 policies examined). Compared to time 1, centers at time 2 reported more frequent practices related to ensuring children engaged in at least 120 min of AP, 60 min of outdoor AP daily, and limiting screen time (P < 0.01 for 3 out of 7 practices examined). Despite no additional policy intervention related to HE, centers were more likely to report having written policies related to: HE education for children, encouraging new foods, having family-style meals, offering only milk or water, limiting the amount of juice served, staff role modeling of HE, limiting the types of foods at parties/celebrations and foods brought from home (P < 0.05 for 9 out of 11 HE policies). CONCLUSION: Approximately a year after the implementation of a governmental policy targeting PA supported by a capacity-building initiative, childcare centers reported positive changes in all 9 PA/sedentary policies examined, all 3 out of 7 PA/sedentary practices and 9 out of 11 HE policies evaluated at the center-level.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,004
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,382
Écart entre enseignants0,331 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Public Health→Même sujetObesity, Physical Activity, Diet→Travaux en français237 207→