Quel est le niveau d'activité physique des enfants de Toronto? Analyse de données d'accélérométrie et comparaison avec l'Enquête canadienne sur les mesures de la santé
Bibliographic record
Abstract
Introduction L'Enquête canadienne sur les mesures de la santé (ECMS) est l'enquête directe sur les mesures de la santé la plus complète jamais réalisée au Canada. Ses résultats indiquent que la majorité des enfants et des jeunes (93 %) n'ont pas un niveau d'activité physique conforme aux recommandations actuelles en la matière pour une bonne santé. Comparer les données de l'ECMS à celles d'un autre échantillon de jeunes Canadiens, ce qui n'a pas encore était fait, pourrait confirmer les résultats de l'ECMS et alimenter la discussion sur les protocoles de réduction des données d'accélérométrie. Méthodologie En 2010 et 2011, des données d'accélérométrie valides ont été recueillies auprès de 856 enfants vivant dans la région du Grand Toronto (RGT). Dans la mesure du possible, nous avons harmonisé la présentation et l'analyse de ces données avec celles de l'ECMS de manière à pouvoir comparer les niveaux d'activité physique. Résultats Globalement, les tendances étaient similaires, avec quelques écarts dus probablement aux différences de contexte, d'échantillonnage et de protocoles de collecte et de réduction des données (choix du modèle d'accéléromètre, temps de port de ce dernier, seuils d'intensité de l'activité et intervalles de mesure). Conclusion Les tendances similaires observées confirment le constat selon lequel l'inactivité physique est un problème structurel à l'échelle du Canada.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.035 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".