Lessons Learned from Tobacco Control: A Multilevel Analysis of School Characteristics and Adolescent Physical Activity
Notice bibliographique
Résumé
Background: The high prevalence of physical inactivity among children and adolescents (youth) and the associated negative health consequences make it critical to increase physical activity levels. Social-ecological models suggest that the school environment may influence youth health behaviour. However, few studies have examined the school environment in relation to youth physical activity. Purpose: To 1) examine between-school variability in student physical activity, 2) identify school characteristics that account for between-school variability in student physical activity, and 3) examine the association between senior student participation rates in school physical activities and junior student physical activity. Methods: The study consisted of secondary data analysis of the School Health Action, Planning and Evaluation System (SHAPES) Ontario project, which collected self-report data from 69,511 students in 76 secondary schools from seven public health unit districts in Ontario. Multilevel modeling was used to examine between-school variability in student physical activity, as well as school characteristics associated with physical activity. Results: There was significant between-school variability in student physical activity, and the relationship between physical activity and age and gender, respectively. School rates of physical education participation were associated with student physical activity levels. Senior student participation in other physical activities at school, such as playing outside, was associated with junior student physical activity levels. Conclusions: These findings support the social-ecological notion that the school environment can influence adolescent physical activity behaviour. A better understanding of the relationship between the school environment and physical activity will assist in the development of effective school-based policies, programs and interventions to increase physical activity.
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 | 0,008 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,007 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».