Typologies of Family Functioning and 24-Hour Movement Behaviors
Notice bibliographique
Résumé
Abstract Objective: The purpose of the current study was to use latent profile analysis to identify family typologies characterized by parental acceptance, parental monitoring, and family conflict, and to examine whether such typologies were associated with the number of movement behavior recommendations (i.e., physical activity, screen time, and sleep) met by children. Methods: Data for this cross-sectional observational study were part of the baseline data from the Adolescent Brain Cognitive Development (ABCD) study. Data were collected from September 1, 2016 to September 15, 2018, across 21 study sites in the United States. Participants included 11,875 children aged 9 and 10 years. Results: Results from latent profile analysis showed that children were meaningfully classified into one of five family typologies, ranging from ideal (high acceptance, high monitoring, and low conflict) to poor (medium acceptance, low monitoring, and high conflict) functioning. Children from good (OR= 0.54; 95% CI, 0.39-0.76), average (OR=0.28; 95% CI, 0.20, 0.40), fair (OR=0.24; 95% CI, 0.16, 0.36), and poor (OR=0.19; 95% CI, 0.12-0.29) functioning families were less likely to meet all three movement behavior recommendations compared to children from ideal functioning families. The odds of meeting all recommendations progressively decreased as family functioning worsened. Similar findings and pattern of results were found for meeting ≥2 recommendations and ≥1 recommendation. Conclusions: These findings highlight the importance of the family environment for promoting healthy movement behaviors among children.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».