MétaCan
Menu
← Back to cohort
Record W6999616819

Determining a safe way to increase physical activity in children

2020· dissertation· en· W6999616819 on OpenAlexfundno aff

Bibliographic record

VenueeScholarship@McGill (McGill) · 2020
Typedissertation
Languageen
FieldMedicine
TopicCardiovascular and exercise physiology
Canadian institutionsnot available
FundersCanadian Institutes of Health ResearchEgmont FondenTrygFondenSyddansk UniversitetIMK Almene FondMcGill UniversityNordea-fondenNordisk Institut for Kiropraktik og Klinisk BiomekanikLady Davis Institute for Medical ResearchVrije Universiteit AmsterdamGigtforeningen
KeywordsPhysical activityEnergy expenditureAction (physics)Motor activityPhysical exercise
DOInot available

Abstract

fetched live from OpenAlex

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

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 imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.004
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.018
Threshold uncertainty score0.035

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.004
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.001
Scholarly communication0.0010.001
Open science0.0010.001
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0100.002

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.

Opus teacher head0.013
GPT teacher head0.262
Teacher spread0.249 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2020
Admission routes1
Has abstractyes

Explore more

Same venueeScholarship@McGill (McGill)→Same topicCardiovascular and exercise physiology→French-language works237,207→