An evaluation of the ‘bottom-up’ implementation of the <i>Active at school!</i> programme in Quebec, Canada
Notice bibliographique
Résumé
The lack of physical activity (PA) amongst children is a public health concern in many industrialized countries. School-based daily physical activity (DPA) policies are a promising intervention for increasing PA levels amongst children. Informed by a logic model framework, this study examines the factors associated with meeting a 'top-down' DPA objective in the context of a 'bottom-up' implementation of a school-based DPA initiative in Quebec, Canada. An online survey assessing school-level inputs, outputs and outcomes was sent to all participating schools (415). Crude odds ratios (ORs) and 95% confidence intervals (CIs) were calculated using logistic regression to evaluate potential associations between factors (inputs and outputs) and the school's adherence to providing at least 60 minutes of DPA (outcome). Adjusted ORs (AORs) and 95% CIs were calculated using a multivariate logistic regression to identify the best set of factors to predict adherence to the DPA objective. A total of 404 schools completed the questionnaire, amongst which 71% reported meeting the DPA target by implementing school-tailored activities. Three factors were identified as the best set of school inputs and outputs to predict meeting the objective: financial resources (per student) (AOR = 1.02; 95% CI 1.01-1.03), a shared vision amongst the school-team members that PA benefits learning outcomes (AOR = 1.94; 95% CI 1.04-3.19) and having conducted a detailed situational analysis (AOR = 1.89; 95% CI 1.00-3.58). Given that 'bottom-up' implementation might favour the development of policies that are more acceptable to stakeholders, our results should be considered by decision-makers and school administrators when implementing DPA initiatives.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».