Physical activity, screen time and sleep among children and adolescents: findings from the 2022 active healthy kids Ethiopia
Notice bibliographique
Résumé
BACKGROUND: Few studies have been conducted on movement behaviours in low-income countries, indicating a need for further surveillance. This study aimed to track changes since the release of Ethiopia's 2018 Report Card indicators and explore further gaps in physical activity, sedentary screen time and sleep among Ethiopian children and adolescents (5-17 years). METHODS: We reviewed studies examining physical activity, sedentary screen time and sleep among Ethiopian children and adolescents. Relevant data were systematically searched from digital databases including PubMed, Medline, Scopus, Web of Science, WHO Hinari and Google Scholar, in alignment with the study objective. Policy or program documents were obtained from Ethiopian government official websites. Records were screened by two independent reviewers and extracted by the first author and verified by a co-author. Data were synthesised according to the harmonised Active Healthy Kids Global Alliance standards (A ≥ 80%, B 60-79%, C 40-59%, D 20-39%, F < 20%, INC = incomplete data). RESULTS: We found eight studies (n = 8) with relevant information; all were based on parent- or self-reported data. Only a small proportion of them met the guidelines for physical activity (16%) and sedentary screen time (55%). There were no data available for sleep. Since the release of the 2018 Report Card, there have been improvements in the grades for School, Active Transportation, Sedentary Behaviour, Community and Environment, and Government indicators from D to A-, C to B-, F to C+, F to C-, and D to C, respectively. However, grades for Overall Physical Activity, and Organised Sport and Physical Activity decreased from D to F and from C to C-, respectively, while the rest of the indicators remained unchanged. The Sleep indicator was introduced for the first time. CONCLUSION: Some indicators highlighted positive changes but limitations with data representativeness and quality underscore the need for improved surveillance to understand and promote healthy levels of movement behaviours in Ethiopian children and adolescents.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».