Longitudinal changes in screen time, sleep, and sports/exercise activity in early adolescence
Notice bibliographique
Résumé
BACKGROUND: This study aimed to examine longitudinal changes in screen time, sleep, and sports/exercise activity in early adolescents in the United States. METHODS: We examined data over four annual assessments collected from the Adolescent Brain Cognitive Development (ABCD) Study (N = 9,519) from baseline (2016–2018, ages 9–10) to Year 3 (2019–2021, ages 12–13). Trends in screen time, sleep, sports/exercise activity, and other activities in a 24-hour time-use paradigm were derived from compositional data analysis, incorporating isometric log-ratio transformations and mixed-effects modeling. RESULTS: Screen time increased by 0.23 h/day from baseline to Year 1, 1.58 h/day from baseline to Year 2, and 3.28 h/day from baseline to Year 3. Video game playing increased more in boys, and digital socializing increased more in girls. Sleep duration slightly decreased from baseline to Year 3. Sports/exercise activity slightly decreased from baseline to Year 1, then increased until Year 3. Time spent on other activities decreased by 0.13 h/day from baseline to Year 1, 1.60 h/day from baseline to Year 2, and 3.38 h/day from baseline to Year 3. CONCLUSIONS: Our findings indicate screen time may have increasingly displaced other activities as early adolescents age.
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 | 0,001 |
| 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 ».