Effect of a school-based multicomponent intervention on time-segmented physical activity and sedentary behavior among adolescents: a cluster randomized control trial
Notice bibliographique
Résumé
BACKGROUND: Interventions have focused on evaluating effective strategies for increasing physical activity (PA) and reducing sedentary behavior (SB) in children and adolescents, which is still a challenge mainly in low- and middle-income countries. Thus, this study aimed to assess the effect of the Movimente Study on device-measured PA and SB in two-time segments of the school day amongst Brazilian adolescents. METHODS: Six elementary schools were randomized into the intervention (IG) or control group (CG). Participants were in 7th -9th grades. A school year (2017) multicomponent intervention was delivered consisting of three components: (1) teacher training, (2) education curriculum, and (3) school environment. PA and SB were assessed using GT3x + ActiGraph hip-worn accelerometers. The trial's primary outcome was overall device-measured PA and SB. Exploratory secondary analyses examined PA and SB within in-School (08:00-11:59) and out-of-school (12:00-22:00) time segments. A two-level linear mixed model assessed the effect of the intervention on light-intensity PA (LPA), moderate- to vigorous-intensity PA (MVPA), SB, and MVPA/SB ratio within and between groups. RESULTS: There was a significant effect on the IG compared to the CG for MVPA (Coefficient [Coef.] = 16.2; 95% Confidence Interval [95%CI] = 6.9;25.5; p-value = 0.001), SB (Coef. = -22.7; 95%CI = -44.7;-0.7; p-value = 0.043), and MVPA/SB ratio (Coef. = 3.2; 95%CI = 1.2;5.3; p-value = 0.002) performed in the out-of-school segment, but not in the In-school segment. However, there were no significant differences within- nor between-group differences in LPA in both day segments. CONCLUSION: The Movimente Study was associated with greater increases in MVPA, improvements in the MVPA/SB ratio, and reductions in SB during the out-of-school period compared with control peers. TRIAL REGISTRATION: Clinical Trials - NCT02944318. Registration Date: 10/24/2016.
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 | 0,003 | 0,004 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».