Effects of a school-based physical activity intervention on children with intellectual disability: a cluster randomized trial
Notice bibliographique
Résumé
BACKGROUND: Children living with disability have poorer health outcomes than their typically developing peers. They are less physically active and at increased risk of chronic disease. Teacher-led, whole-of-school physical activity interventions are promising levers for population-level change, but are seldom tested among children with disability. We aimed to evaluate the effect of a blended teacher-professional learning program (online and in-person) on fundamental movement skills (FMS) and physical activity among children with intellectual disability. METHODS: In this cluster randomized clinical trial, we randomized 20 government-funded primary schools, including 238 consenting students (Grades 2-5; aged 8-11 years at baseline). Ten schools received the blended teacher-professional learning intervention and 10 were assigned as waitlist controls. The professional learning was designed to support teachers as they implemented a whole-of-school intervention designed to enhance FMS and increase physical activity levels. The school-based intervention was mostly online learning, followed by lesson observations and site visits from project staff. Blinded assessors measured FMS competency using the Test of Gross Motor Development-3. Secondary outcomes were self-concept, enjoyment, wellbeing, 300-yard run time, and accelerometer-measured physical activity. RESULTS: We found no significant group-by-time effects for the primary outcome (FMS competency: b = 1.07 [95% CI -3.70, 5.84], p =.658) or any secondary outcomes. CONCLUSIONS: A school-based intervention did not improve FMS competency or physical activity in children with intellectual disability. Results may be attenuated by the COVID-19 pandemic. Alternatively, low intensity teacher-professional learning interventions may not be enough to improve FMS or physical activity among children with intellectual disability. TRIAL REGISTRATION: Australian New Zealand Clinical Trials Registry registration number: ACTRN12620000405910, registered: 25/03/2020.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».