Optimal domain-specific physical activity and sedentary behaviors for blood lipids among Japanese children: a compositional data analysis
Notice bibliographique
Résumé
BACKGROUND: Optimizing childhood domain-specific physical activity (PA) and sedentary behavior (SB) for blood lipid profile is not well understood. We aimed to (1) determine the associations between accelerometer-measured PA and SB for each domain (school time and out-of-school time) with blood lipid profile and (2) estimate predicted changes in blood lipid profile with hypothetical time-reallocation between domain-specific SB and PA among Japanese children using compositional data analysis (CoDA). METHODS: This cross-sectional study included 284 children (147 boys and 137 girls) aged 9-12 years (mean age [years]: 10.1 ± 1.2 for boys, 10.0 ± 1.1 for girls; mean body mass index: 18.2 ± 3.2 for boys, 17.5 ± 2.5 for girls). Time spent in domain-specific SB, light-intensity PA (LPA), moderate-intensity PA (MPA), and vigorous-intensity PA (VPA) was assessed using accelerometry. The non-fasting lipid profile considered measures of triglycerides (TG), high-density lipoprotein cholesterol (HDL-C), low-density lipoprotein cholesterol (LDL-C), and non-HDL-C levels. CoDA and isotemporal substitution model were performed to examine the associations of domain-specific PA and SB with blood lipids. RESULTS: = 0.09, 95% CI = 0.02 to 0.16) after adjusting for age, body mass index, and time spent in SB, LPA, and MPA. During the out-of-school period, a replacement of 1 min of any other behavior with VPA was associated with decreases in LDL-C in boys (predicted changes [95% CI] - 0.03 mmol/L [- 0.05 to - 0.00] for LPA), non-HDL-C in boys (predicted changes [95% CI] - 0.03 mmol/L [- 0.06 to - 0.01] for SB and LPA) and TG in boys (predicted changes [95% CI] - 0.04 mmol/L [- 0.06 to - 0.02] for SB and LPA, - 0.05 mmol/L [- 0.07 to - 0.02] for MPA) and in girls (predicted changes [95% CI] - 0.02 mmol/L [- 0.04 to - 0.00] for LPA), and increases in HDL-C in girls (predicted changes [95% CI] 0.02 mmol/L [0.00 to 0.04] for SB and LPA, 0.03 mmol/L [0.00 to 0.05] for MPA). CONCLUSIONS: Increasing out-of-school VPA might be an effective approach to improve blood lipid profiles among Japanese children.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».