Determining a safe way to increase physical activity in children
Notice bibliographique
Résumé
Background: Many children achieve regular physical activity through participation in sports and physical education classes.While physical activity is crucial for healthy development, it also increases risk of injury, which can result in time lost from activity and increased morbidity.Current activity recommendations are based on studies suggesting injury risk increases substantially if weekly activity is increased by ≥ 30%.However, these studies had methodological limitations and focused on adults.No recommendations exist that are specific to children.Objectives: To quantify the relationship between changes in activity and injury risk in children. Methods:The data source for this thesis is the Childhood Health, Activity, and Motor Performance School Study Denmark (CHAMPS-DK), which collected weekly information on participation in sports and physical education classes, pain, and injury from 1152 Danish schoolchildren over 5.5 years.Manuscript 1 is a critical appraisal of the relationship between the acute:chronic workload ratio (ACWR), a measure of relative activity, and injury risk.Although the International Olympic Committee has based activity recommendations on this relationship, it suffers from methodological and conceptual limitations.Manuscript 2 is a tutorial on a logicbased resampling with matching (RWM) approach to multiple imputation using the CHAMPS-DK data.Logical constraints in the data prevented typical model-based multiple imputation methods.RWM respects these constraints while accounting for uncertainty in imputed values.Manuscript 3 quantifies the relationship between changes in activity and new onset pain as a proxy for injury using the CHAMPS-DK data.The relationships between 3 variations of the ACWR (coupled 4-week, uncoupled 4-week, and uncoupled 5-week) and new onset pain were modelled by binary regression using generalized linear and additive models (GLM and GAMM) without and with a random effect for individuals to account for repeated measures (mixed models; GLMM and GAMM).Goodness of fit for each model was assessed using the Akaike information criterion (AIC).Results: Including a random effect for individuals improved fit across all models.The GAMM for the uncoupled 5-week ACWR had the best fit.This model predicted a stable risk of ~3% when activity either increased or decreased by up to 40% (0.6 ≤ ACWR ≤ 1.4).Larger decreases in activity were associated with a decreased injury risk to a minimum of 1% at ACWR = 0 iii (relative risk (RRACWR=1) = 0.3).Larger increases in activity were associated with a gradually increased injury risk to 6% at ACWR = 4 (RRACWR=1 = 2), with a flattening in risk beyond ACWR > 4.Discussion: In children, injury risks were stable when activity was increased or decreased by up to 40%.Further increases resulted in small increases in risk that were much less than reported in adults.Injury risk decreased when activity was decreased by more than 40%, unlike previous studies in adults.Although the ACWR has important limitations, if it continues to be used by researchers, they should focus on the uncoupled measure, account for repeated measures, and use flexible models.However, to evaluate the causal effect of changes in activity on injury in children, more advanced causal inference techniques need to be developed.ivRésumé Contexte: De nombreux enfants réalisent une activité physique régulière en participant à des cours de sport et d'éducation physique.Bien que l'activité physique soit cruciale pour un développement sain, elle augmente également le risque de blessure, ce qui peut entraîner une perte de temps d'activité et une morbidité accrue.Les recommandations d'activité actuelles sont basées sur des études suggérant que le risque de blessure augmente considérablement si l'activité hebdomadaire est augmentée de ≥ 30%.Cependant, ces études avaient des limites méthodologiques et se concentraient sur les adultes.Il n'existe aucune recommandation spécifique aux enfants.Objectifs: Quantifier la relation entre les changements dans la quantité d'activité et le risque de blessure chez les enfants.Méthodes: La source de données de cette thèse est la Childhood Health, Activity, and Motor Performance School Study Denmark (CHAMPS-DK), qui a collecté des informations hebdomadaires sur la participation à des cours de sport et d'éducation physique, la douleur et les blessures de 1152 écoliers danois pendant plus de 5,5 années.Le manuscrit 1 est une évaluation critique de la relation entre le ratio de charge aiguë / chronique (ACWR), une mesure de l'activité relative, et le risque de blessure.Bien que le Comité international olympique ait basé ses recommandations d'activité physique sur cette relation, celle-ci souffre de limites méthodologiques et conceptuelles.Le manuscrit 2 est un didacticiel sur une approche de rééchantillonnage logique avec appariement de l'imputation multiple à l'aide des données CHAMPS-DK.Les contraintes logiques dans les données ont empêché les méthodes d'imputation multiples basées sur un modèle.L'approche rééchantillonnage logique avec pondération respecte ces contraintes tout en tenant compte de l'incertitude des valeurs imputées.Le manuscrit 3 quantifie la relation entre changements dans la quantité d'activité et les nouvelles douleurs d'apparition comme indicateur indirect de blessure à l'aide des données CHAMPS-DK.Les relations entre 3 variations de l'ACWR (couplée sur 4 semaines, non couplée sur 4 semaines et non couplée sur 5 semaines) et le risque de blessure ont été modélisée par régression binaire en utilisant des modèles linéaires et additifs généralisés (GLM et GAMM) sans et avec un effet aléatoire pour les individus à tenir compte des mesures répétées (modèles mixtes; GLMM et v GAMM).La qualité de l'ajustement pour chaque modèle a été évaluée à l'aide du critère d'information Akaike (AIC).Résultats: L'inclusion d'un effet aléatoire pour les individus a amélioré l'ajustement dans tous les modèles.Le GAMM pour l'ACWR non couplé de 5 semaines avait le meilleur ajustement.Ce modèle prévoyait un risque stable d'environ 3% lorsque l'activité augmentait ou diminuait jusqu'à 40% (0,6 ≤ ACWR ≤ 1,4).Des baisses d'activité plus importantes étaient associées à une diminution du risque de blessure à un minimum de 1% à ACWR = 0 (risque relatif (RRACWR = 1) = 0,3).Une augmentation plus importante de l'activité était associée à une augmentation progressive du risque de blessure à 6% à ACWR = 4 (RRACWR = 1 = 2), avec un aplatissement du risque au-delà de l'ACWR> 4.Discussion: Chez les enfants, les risques de blessures étaient stables lorsque l'activité augmentait ou diminuait jusqu'à 40%.De nouvelles augmentations ont entraîné de faibles augmentations du risque qui étaient beaucoup moins importantes que celles signalées chez les adultes.Le risque de blessure a diminué lorsque l'activité a diminué de plus de 40%, contrairement aux études antérieures chez l'adulte.Bien que l'ACWR présente des limites importantes, s'il continue d'être utilisé par les chercheurs, ils devraient se concentrer sur la mesure non couplée, tenir compte des mesures répétées et utiliser des modèles flexibles.Cependant, pour évaluer l'effet causal des changements d'activité sur les blessures chez les enfants, des techniques d'inférence causale plus avancées doivent être développées.vi
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».