Social network characteristics and their relationships with physical activity in children with multiple sclerosis
Notice bibliographique
Résumé
Background Physical activity has been found to associate with improved health outcomes in children with multiple sclerosis (MS). Social networks may facilitate physical activity in children with MS. Objectives To estimate associations between social network characteristics and physical activity in children with MS compared to children with monophasic acquired demyelinating syndrome (mono-ADS). Methods Children with MS and mono-ADS recruited from the Hospital for Sick Children completed questionnaires on social network and physical activity. Descriptive and inferential analyses estimated differences between cohorts and correlations. Results Children with MS ( n = 16) and mono-ADS ( n = 22) did not differ in outcomes. Higher physical activity associated with larger social networks (r s = 0.681, p < 0.01), more Emotional Support (r s = 0.604, p < 0.05), Camaraderie (r s = 0.585, p < 0.05), more social network members with post-secondary education (r s = 0.680, p < 0.05), and members who exercise 3 to 4 times a week (r s = 0.744, p < 0.01). These associations were not found in children with mono-ADS. Conclusion Larger social network size, more emotional support and camaraderie, and more individuals with post-secondary education and who regularly exercise in the social network associated with higher physical activity in children with MS. Social network characteristics may help understand health behaviors in children with MS.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».