Changes in Leisure-Time Physical Activity and Active Commuting to School From Before to After the COVID-19 Pandemic Among Adolescents in Brazil: Repeated Cross-Sectional and Longitudinal Analyses
Notice bibliographique
Résumé
PURPOSE: Compare leisure-time physical activity (LTPA) and active commuting to school among Brazilian adolescents between the periods before COVID-19 and after the reopening of schools. METHODS: This is a repeated cross-sectional study with a nested cohort targeting high school students from Southern Brazil. LTPA and active commuting to school were the self-reported outcomes. Zero-inflated Gamma and Logistic Mixed models were applied to compare, respectively, LTPA and active commuting between survey years. RESULTS: Cross-sectional analyses showed that the odds of engaging in any type of LTPA were similar between waves. However, active participants spent significantly more time in total LTPA (9.5 min/d), team sports (4.9 min/d), and fitness activities (7.7 min/d) in 2022 (n = 954; 52.0% female; 16.5 [1.2] y) than in 2019 (n = 824, 51.2% female; 16.4 [1.1] y). Prospective analyses of 286 adolescents (54.5% female) showed a reduction in the probabilities of engaging in total LTPA (-17%), team sports (-36%), and individual sports (-10%) from 2019 to 2022. No changes were found for active commuting. CONCLUSIONS: Cross-sectional and prospective differences were found for leisure but not for commuting-related physical activity between pre- and postpandemic periods. Efforts to promote physical activity should remain a public health priority.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».