Interventions to Promote Physical Activity and Healthy Digital Media Use in Children and Adolescents: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVES: To identify effective interventions that promote healthy screen time use and reduce sedentary behavior in school-age children and adolescents (SACA) in all settings, over the last 20 years. METHODS: Searches were conducted from 2000 until March 2021 using PubMed, Embase, Medline, PsycINFO, Ovid SP, The Cochrane Library, Cochrane Central Register of Controlled Trials, Cochrane Methodology Register, and the WHO regional databases, including Google Scholar and reference lists of relevant articles and reviews. Randomized-controlled trials and quasi-experimental studies assessing interventions to reduce sedentary behaviors and screen time in healthy SACA (aged 5-19.9 years) globally. Data were extracted by 2 reviewers and where possible, pooled with a random-effects model. RESULTS: The review included 51 studies, of which 23 were included in meta-analyses with 16 418 children and adolescents. Nondigital randomized-controlled trials reported a small, but significant reduction of TV-specific screen time (minutes per day) (mean difference, -12.46; 95% confidence interval, -20.82 to -4.10; moderate quality of evidence) and sedentary behavior (minutes per day) (mean difference, -3.86; 95% confidence interval, -6.30 to -1.41; participants = 8920; studies = 8; P = .002; moderate quality of evidence) as compared with control groups. For quasi-experimental studies, nondigital interventions may make little or no difference on screen time (minutes per day) or sedentary behavior (minutes per day), given the high uncertainty of evidence. Most studies were conducted in a high-income country. Generalizability of results to low- and middle- income countries remain limited. CONCLUSIONS: Public health policies and programs will be necessary to reduce excessive sedentary behavior and screen time, especially in the post-coronavirus disease 2019 reality.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,008 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».