Statistical analysis of the longitudinal fundamental movement skills data in the REACT project using the multilevel ordinal logistic model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objectives: The REACT project was designed around two main aims: (1) to assess children's growth and motor development after the COVID-19 pandemic and (2) to follow their fundamental movement skills' developmental trajectories over 18 months using a novel technological device (Meu Educativo®) in their physical education classes. In this article, our goal is to describe statistical analysis of the longitudinal ordinal motor development data that was obtained from these children using the multilevel ordinal logistic model. Methods: Longitudinal ordinal data are often collected in studies on motor development. For example, children or adolescents might be rated as having poor, good, or excellent performance levels in fundamental movement skills, and such ratings may be obtained yearly over time to assess changes in fundamental movement skills levels of performance. However, such longitudinal ordinal data are often analyzed using either methods for continuous outcomes, or by dichotomizing the ordinal outcome and using methods for binary data. These approaches are not optimal, and so we describe in detail the use of the multilevel ordinal logistic model for analysis of such data from the REACT project. Our intent is to provide an accessible description and application of this model for analysis of ordinal motor development data. Discussion: Our analyses show both the between-subjects and within-subjects effects of age on motor development outcomes across three timepoints. The between-subjects effect of age indicate that children that are older have higher motor development ratings, relative to thoese that are younger, whereas the within-subject effect of age indicates higher motor development ratings as a child ages. It is the latter effect that is particularly of interest in longitudinal studies of motor development, and an important advantage of using the multilevel ordinal logistic model relative to more traditional methods.
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.
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 | 0,001 | 0,001 |
| 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 découle