Associations Between Adverse Childhood Experiences, Adolescent Screen Time and Physical Activity During the COVID-19 Pandemic
Notice bibliographique
Résumé
OBJECTIVE: To determine the associations between Adverse Childhood Experiences (ACEs), adolescent screen time, and physical activity during the early COVID-19 pandemic. METHODS: Data (2016-2020) from the Adolescent Brain Cognitive Development (ABCD) study were analyzed. Linear regression analyses estimated associations between ACE score and screen time and physical activity in May 2020, adjusting for potential confounders. RESULTS: Of the 6749 adolescent respondents primarily aged 12-13, 81.6% reported a history of one ACE or more. In adjusted models, a higher ACE score was significantly associated with greater hours per day of screen time, with youth with ≥4 ACEs associated with 2.3 more hours of screen time per day compared to youth with 0 ACEs. In addition, the adjusted models found that a higher ACE score was associated with lower physical activity; youth with ≥4 ACEs averaged 0.8 fewer hours per week of physical activity and 0.5 fewer days per week of 60 minutes of physical activity compared to youth with 0 ACEs. Gender and race were also significantly associated with changes in screen time and physical activity. CONCLUSIONS: ACEs are associated with higher adolescent sedentary behaviors, particularly greater screen time, during the early COVID-19 pandemic (May 2020). Clinicians caring for youth exposed to trauma in the postpandemic environment should explore screen time and physical activity behaviors.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».