Using Qualitative Geospatial Methods to Explore Physical Activity in Children with Developmental Disabilities: A Feasibility Study
Notice bibliographique
Résumé
Children with developmental disabilities (DDs) experience barriers to physical activity (PA) participation. Greater contextual information regarding their PA behaviors is needed for effective PA promotion. We investigated the feasibility of using activity trackers and Global Positioning Systems (GPS) devices with follow-up interviews to explore PA behaviors in children with DDs. Fifteen children with DDs (aged 10 ± 2 years) wore an activity tracker and GPS device for 7 days. Data were time-aligned to measure PA and identify PA locations. Maps were created to guide follow-up semi-structured interviews with the children and their parents/guardians to understand PA contexts and perceptions of daily PA. The children took 8680 ± 4267 steps/day across 6 ± 1 days. The children provided preferences for PA locations and the parents/guardians gave context by expressing how DDs affect PA and identifying environmental factors in PA locations. The children with DDs who lived near parks, participated in PA that leveraged the strengths of their individual skillsets, and had parents/guardians who provided social support had more positive PA experiences. Combining activity tracking and GPS data with follow-up map-based interviews is feasible to explore PA behaviors and the experiences of children with DDs. This methodology may provide novel insight into daily PA in children with DDs, which can inform how future interventions can support them to be more active and have positive experiences while being active.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».