The Role of Fundamental Movement Skills and Health-Related Fitness on Physical Activity During Guided Active Play for 8- to 10-Year-Old Children
Notice bibliographique
Résumé
Background: Active play has been proposed to complement school-based physical activity (PA) and promote increased movement-related activities relevant for the development of motor competence. Guided active play (GAP) paired with cooperative games provides sufficient moderate-to-vigorous physical activity (MVPA) to improve motor competence for younger children. Whether guided active play exhibits physical activity outputs that are related to motor competence is uncertain. This study assessed the strength of relationships between play-based physical activity and movement skills by comparing linear regression and chi-square analyses. Methods: Forty-two children (Mage = 8.8 ± 0.8 years) participated in a community center program. PA was measured via accelerometry for GAP, alongside assessments of anthropometrics, fitness (leg power, strength, VO2max), and FMS (Test of Gross Motor Development-2). Multiple linear regression analysis examined reciprocal relationships. Chi-square and cross-tabulations analyzed categorical variables based on lab percentiles (low < 33%, high > 66%) for PA energy expenditure (PAEE), intensity (MVPA), FMS, and fitness. Results: GAP MVPA and object control skills (OC) showed positive reciprocal pathways (β = 0.308, β = 0.394; p ≤ 0.05). VO2max predicted MVPA (β = 0.408; p < 0.01), with leg power related to PAEE (β = 0.456; p ≤ 0.01). Chi-square analysis revealed significant associations between high OC skills and high PAEE (X2 = 15.12, p ≤ 0.05), and high individual average scores of OC with high MVPA (X2 = 11.90, p < 0.05. The high performance of AP and LP was associated with MVPA and PAEE, respectively. Conclusions: Findings support a positive feedback loop between MVPA and OC skills for GAP. GAP is an effective strategy for program interventions for children 8 to 10-year old.
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) | 0,000 | 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 ».