Association of School Health Relationship Difficulties with Lack of Regular Physical Activity in Younger Adolescents: A Population Based Study
Notice bibliographique
Résumé
Objective: Lack of regular physical activity (LPA) and the number of days/week with physical activity >60 minutes/day (Ndw) may be associated with school-health-relational difficulties (SHRDs) during the life-course. This study assessed their associations and the confounding role of socioeconomic features (nationality, family structure, parents’ education/occupation/income) among younger adolescents. Methods: This cross-sectional population-based study included 1,559 middle-school adolescents from north-eastern France (10–18 years, 98% under 16 years, 778 boys and 781 girls). They completed over one-hour teaching period a questionnaire collecting last-12-month LPA and last-7-day Ndw (dependent variables), and risk factors including socioeconomic features, SHRDs (previous grade repetitions, last-12-month poor general health status/physical health/psychological health/social-relationships, depressive symptoms (and age at onset and duration from onset); cumulated number noted SHRDcn). Data were analyzed using logistic/linear regression models. Results: LPA was common (32.5%) and associated with all SHRDs (sex-age-adjusted odds ratio saOR reaching 1.99, p < .001) and depressive-symptoms duration (saOR 1.63 (p < .05) and 2.11 (p < .001) for 1–2 and ≥3 years, respectively, vs. no depressive symptoms). A dose-effect association was found between SHRDcn and LPA (24.0, 33.7, 45.6, and 53.5%; saOR 1.59, 2.58, and 3.43; for SHRDcn 1–2, 3–4, and ≥5 respectively, vs. SHRDcn = 0, p < .001). Ndw was similarly associated with all SHRDs and SHRDcn (sex-age-adjusted regression coefficient reaching −1.10 day/week, p < .001). These results were robust when controlling for socioeconomic features (18%<contribution<51%). Conclusions: Physical activity is associated with SHRDs, and socioeconomic features have an elevated confounding role. Healthcare providers can detect/reduce SHRDs and consequently improve physical activity among adolescents and prevent physical inactivity in adulthood.
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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».