MétaCan
Menu
Retour à la cohorte
Enregistrement W6964372201 · doi:10.25384/sage.c.5181897.v2

Healthier Lifestyle for Girls Who Accumulate More Years in the FitSpirit School-Based Intervention

2022· other· en· W6964372201 sur OpenAlexaff

Notice bibliographique

RevueSage Journals Data · 2022
Typeother
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensUniversité de MontréalCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesnon disponible
Mots-clésIntervention (counseling)Body mass indexPhysical activityObesityScreen timeBody weightHealth promotionSedentary lifestyle

Résumé

récupéré en direct d'OpenAlex

The main aim was to verify in a group of adolescent girls undergoing a school-based intervention if the number of years of participation in the intervention is related to healthy lifestyle habits, body weight status, and perceived health. Cross-sectional analysis of the FitSpirit data was performed. Body mass index, lifestyle variables, and perceived health were collected through an online questionnaire. Chi-square test, Fisher’s test, and ANOVA were performed. Mean age of the 272 girls was 14.7 ± 1.5 years. Higher percentage of girls with 3 or more years of participation met the recommendations for physical activity (PA) and sleep duration (P < .05). Girls who participated ≥3 years showed higher levels of moderate-to-vigorous PA than girls with 1 and 2 years of participation (P < .01). No differences were found between the number of years of participation and body mass index, screen time, fruit/vegetable consumption, or perceived health. A healthier body weight status and following recommendations for healthier habits (PA, screen time, sleep, fruit/vegetable consumption) were related to better perceived health (P < .05). Girls with more years in FitSpirit had healthier lifestyle habits (PA and sleep) compared to those with fewer years. A healthier body weight status and meeting healthy lifestyle recommendations were related to better perceived health.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,080
Tête enseignante GPT0,330
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSage Journals DataMême sujetForest Ecology and Biodiversity StudiesTravaux en français237 207