EXAMINING THE INTERSECTION OF GENDER AND RACE ON YOUTHS’ PHYSICAL ACTIVITY
Notice bibliographique
Résumé
INTRODUCTION: Regular physical activity is associated with numerous health benefits, yet many youths, particularly those from disadvantaged backgrounds, do not accumulate enough physical activity. The primary objective of this study was to explore whether the interaction of gender and race had a unique association with physical activity that differed from the sum of their main effects. METHODS: 18,725 grades 6-10 students from the 2017-2018 cycle of the Canadian Health Behaviour in School-aged Children Study were included. Sociodemographic characteristics and different types of physical activity including active transportation, curriculum-based physical activities, organized sports, outdoor play, and structured exercise were self-reported. Log-binomial regression models were used to estimate the main effects of gender and race on low physical activity participation separately within grades 6-8 and grades 9-10 students. The relative excess risk due to interaction approach determined whether gender and race demonstrated a departure from the additivity of effects. RESULTS: Girls in grades 6-8 and grades 9-10 had a higher risk of low participation in all types of physical activity than boys. Racialized students in grades 6-8 were more likely to have low curriculum-based physical activity, organized sports, outdoor play, and total physical activity than white students. The effect of race was less pronounced in grades 9-10 students as racialized students only had an increased risk for low organized sports. There were no significant gender and race interactions for low participation among grades 6-8 students (p>0.2). However, in grades 9-10, there were significant relative excess risk due to interaction results for organized sports and total physical activity. CONCLUSION: Gender and race were associated with several low physical activity outcomes. Except for organized sports and total physical activity among grade 9-10 students, the combined effects of gender and race on low PA did not surpass the sum of their individual effects.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».