MétaCan
Menu
Retour à la cohorte
Enregistrement W4308032672 · doi:10.1016/j.jesf.2022.10.008

Report card grades on physical activity for children and adolescents from 18 Asian countries: Patterns, trends, gaps, and future recommendations

2022· article· en· W4308032672 sur OpenAlexaff
Eun‐Young Lee, An-Chi Shih, Maia Collins, Yeong-Bae Kim, Patrick Abi Nader, Jasmin Bhawra, Tarun Reddy Katapally, Chiaki Tanaka, Pairoj Saonuam, Piyawat Katewongsa, Dyah Anantalia Widyastari, Yajun Huang, Stephen Heung‐Sang Wong, Asaduzzaman Khan, Narayan Subedi, Susan Paudel, Chen‐Kang Chang, Ching-Lin Wu, Justin Y. Jeon, Yeon Soo Kim, Tom Loney, Falk Müller‐Riemenschneider, Bozhi Chen, Jonathan Y. Cagas, Jyh Eiin Wong, Mohd Razif Shahril, Agus Mahendra, Mark S. Tremblay

Notice bibliographique

RevueJournal of Exercise Science & Fitness · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensChildren's Hospital of Eastern OntarioUniversity of OttawaWestern UniversityUniversité du Québec à RimouskiUniversity of AlbertaToronto Metropolitan UniversityQueen's University
Organismes subventionnairesThai Health Promotion FoundationMinistry of Education - Singapore
Mots-clésReport cardSouth asiaAlliancePopulationPsychologyDemographyPhysical activityGeographyMedicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Background: Physical inactivity is a persistent and worsening population health concern in Asia. Led by the Active Healthy Kids Global Alliance, Global Matrix (GM) initiative provides an opportunity to explore how regional and cultural differences across 18 Asian countries relate to physical activity (PA) participation among children and adolescents. Objectives: To synthesize evidence from the GM2.0 to GM4.0 (2016-2022) in Asian countries. Methods: Report Card grades on behavioral/individual and sources of influence indicators were reported from 18 Asian countries. Letter grades were converted into numerical values for quantitative analyses. Based on this, cross-sectional and longitudinal analyses were conducted to investigate patterns and trends. Qualitative evidence synthesis was performed based on Report Card grades and published papers to identify gaps and suggest future recommendations. Results: In total, 18 countries provided grades for at least one round of GM, 12 countries provided grades for at least two rounds, and seven countries provided grades for all three GMs. Of possible grades, 72.8%, 69.2%, and 76.9% of the grades were assigned from GM 2.0 to GM 4.0, respectively. In terms of the Report Card grades, there was a slight decrease in behavioral/individual indicators from "D+" in GM 2.0 to "D-" in GM 3.0 but this reverted to "D" in GM 4.0. For the sources of influence, a "C" grade was given in all three rounds of GM. Longitudinal observation of seven Asian countries that provided grades in all three rounds of GM revealed that grades are generally stable for all indicators with some country-specific fluctuations. In future GM initiatives and research, considerations should be made to provide more accurate and rich data and to better understand contextual challenges in evaluating certain indicators such as Active Transportation, Active Play, and Physical Fitness in particular. Further, macro level factors such as socioeconomic/cultural disparities and gender-specific barriers, ideology, or climate change should also be proactively considered in future research as these factors are becoming increasingly relevant to indicators of GM and United Nation's Sustainable Development Goals. Conclusions: Participation from Asian countries in GM has increased over the years, which demonstrates the region's enthusiasm, capacity, and support for global PA promotion efforts. The efforts to promote a physically active lifestyle among children and adolescents should be a collective interest and priority of the Asia region based on the gaps identified in this paper.

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)0,030
score de la tête « metaresearch » (Gemma)0,052
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,158

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,052
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0070,009
Études des sciences et des technologies0,0010,001
Communication savante0,0040,005
Science ouverte0,0030,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,015
Tête enseignante GPT0,307
Écart entre enseignants0,292 · 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'étudeObservationnel
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

Citations18
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Exercise Science & FitnessMême sujetObesity, Physical Activity, DietTravaux en français237 207