Physical Literacy, Physical Activity, and Health: A Citation Content Analysis and Narrative Review
Notice bibliographique
Résumé
Physical literacy has received increased research attention over the last decade focusing on the unification of the definition, measurement, and application, including in school and health-based contexts. In 2019, Cairney et al. released a model positioning physical literacy holistically as a primary determinant of health and disease, mediated by physical activity (PA), the physiological and psychological adaptations associated with PA, and the individual and social/environmental/contextual factors or conditions that impact PA-related behaviour, which had a significant impact on physical literacy-related literature. To assess the impact of the model on the extant literature, and better understand the relationship between physical literacy, PA and health as proposed by Cairney et al., we conducted a citation content analysis and narrative review. 956 citations were identified citing the model proposed by Cairney et al. Of these, 16 used the model to construct a theoretical framework and were included in the extended analysis. Thirteen studies were observational, and participants were all children or young people with a total age range 4-20 years. Results demonstrate that physical literacy is related to health-related fitness variables including aerobic fitness, body composition, flexibility, and muscular strength and power; total PA and MVPA; and health literacy, and wellbeing, supporting the model proposed by Cairney et al. However, gaps remain in understanding critical components of the model (e.g., the proposed mediation pathways), and in clarifying the nature of the relationships in a variety of populations (e.g., clinical populations) and across the lifespan. A pragmatic approach to addressing these gaps is recommended.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».