Individual and school correlates of body mass index and cardiorespiratory fitness in primary school children from the <scp>REACT</scp> project: A multivariate multilevel analysis
Notice bibliographique
Résumé
OBJECTIVE: This paper examines the relationship between body mass index (BMI) and cardiorespiratory fitness (CRF) using a multivariate multilevel approach and investigates the links between individual and school-related correlates with children's BMI and CRF. METHODS: This cross-sectional sample included 1014 children (6-10 years) from 25 Portuguese primary schools. BMI was calculated, and CRF was assessed with the PACER test. Fundamental movement skills (FMS) included five object control tasks. Moderate-to-vigorous physical activity (MVPA), sleep, and sedentary time were assessed with the ActiGraph wGT3X-BT accelerometer. Socioeconomic status (SES) and school variables were also obtained. A multivariate multilevel model was used, and alpha was set at 5%. RESULTS: BMI and CRF systematically increased with age. Most of the joint variance (94.4%) was explained at the child level, and BMI and CRF were correlated at this level (ρ = -.37). More active children demonstrated higher CRF levels and had lower BMI levels; sedentary and sleep time were not significantly associated with BMI or CRF. FMS were positively associated with CRF but were not significantly associated with BMI. Children at higher SES were more fit and had lower BMI than their peers of lower SES. Finally, school-level variables were not significantly related to BMI and CRF. CONCLUSION: BMI and CRF had a low but statistically significant negative correlation in this sample of children. Most of the variation in BMI and CRF was explained by child-level characteristics.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».