Child temperament and physical activity in young children
Notice bibliographique
Résumé
BACKGROUND: Children's temperament has been noted to influence their physical activity (PA) levels. Therefore, understanding the influence of temperament during the early years may be helpful for developing appropriate PA habits and tailoring interventions to align with different personality traits. OBJECTIVE: The purpose of this study was to examine the relationship between child temperament and objectively-measured PA in preschool-aged children. METHODS: Data were collected as part of the Supporting Physical Activity in the Childcare Environment (SPACE) and SPACE extension studies. Temperament data were collected using the validated Very Short Form of the Children's Behavior Questionnaire, which assessed three dimensions of temperament (i.e., surgency, negative affect and effortful control). Physical activity data were measured during childcare hours over the course of 5 days, using Actical® accelerometers. Total PA was summed, along with light and moderate-to-vigorous PA using age-specific cut-points. Three regression analyses were conducted to evaluate the prediction of PA by the dimensions of temperament. RESULTS: = 3.34 years, SD = 0.63) were retained for analyses, wearing an accelerometer an average of 7.21 h/day. Temperament significantly predicted all three PA levels (P < 0.05), with both negative affect and surgency being significantly associated with PA. CONCLUSION: Surgency is typified by a predisposition towards high activity levels; therefore, it is not surprising that it was the primary predictor of young children's PA. Future research may investigate methods of targeting PA interventions towards children with temperaments that may not predispose them to seeking out increased activity levels.
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 | 0,000 | 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) | 0,000 | 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 ».