Physical Activity Trajectories in Early Childhood: Investigating Personal, Environmental, and Participation Factors
Notice bibliographique
Résumé
INTRODUCTION/PURPOSE: To determine personal, environmental, and participation factors that predict children's physical activity (PA) trajectories from preschool through to school years. METHODS: Two hundred seventy-nine children (4.5 ± 0.9 yr, 52% boys) were included in this study. Physical activity was collected via accelerometry at six different timepoints over 6.3 ± 0.6 yr. Time-stable variables were collected at baseline and included child's sex and ethnicity. Time-dependent variables were collected at six timepoints (age, years) and included household income (CAD), parental total PA, parental influence on PA, and parent-reported child's quality of life, child's sleep, and child's amount of weekend outdoor PA. Group-based trajectory modeling was applied to identify trajectories of moderate-to-vigorous PA (MVPA) and total PA (TPA). Multivariable regression analysis identified personal, environmental, and participation factors associated with trajectory membership. RESULTS: Three trajectories were identified for each of MVPA and TPA. Group 3 in MVPA and TPA expressed the most PA over time, with increased activity from timepoints 1 to 3, and then declining from timepoints 4 to 6. For the group 3 MVPA trajectory, male sex (β estimate, 3.437; P = 0.001) and quality of life (β estimate, 0.513; P < 0.001) were the only significant correlates for group membership. For the group 3 TPA trajectory, male sex (β estimate, 1.970; P = 0.035), greater household income (β estimate, 94.615; P < 0.001), and greater parental total PA (β estimate, 0.574; P = 0.023) increased the probability of belonging to this trajectory group. CONCLUSIONS: These findings suggest a need for interventions and public health campaigns to increase opportunities for PA engagement in girls starting in the early years. Policies and programs to address financial inequities, positive parental modeling, and improving quality of life are also warranted.
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 | 0,002 |
| 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 | 0,000 |
| 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 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 ».