Cross-lagged model analysis of the relationship between physical exercise, academic performance, and aggressive behavior in junior high school students
-
摘要:
目的 探究初中生青少年攻击行为、体育锻炼和学习成绩间的因果关系，为制定科学运动方案提供参考依据。 方法 采用纵向追踪研究方法，2021年6月—2022年6月在为期12个月的研究计划中，使用Buss-Perry攻击问卷(BPAQ)、青少年体力活动问卷(PAQ-A)和考试成绩作为测量工具，对江苏省2个市502名初中生进行3次追踪测量(T1：2021年6月，T2：2021年12月，T3：2022年6月)，构建交叉滞后模型。 结果 T1体育锻炼正向影响T2学习成绩(β=0.22)、负向影响T2攻击行为(β=-0.13)，T1攻击行为负向影响T2学习成绩(β=-0.23)，T1学习成绩负向影响T2攻击行为(β=-0.09)。T2体育锻炼负向影响T3攻击行为(β=-0.05)、正向影响T3学习成绩(β=0.19)，T2攻击行为负向影响T3学习成绩(β=-0.08)，T2学习成绩负向影响T3攻击行为(β=-0.06)(P值均 < 0.05)。初中生攻击行为、体育锻炼和学习成绩的交叉滞后模型结果显示，χ2/df=8.80，CFI=0.96，NFI=0.95，RFI=0.87，IFI=0.96，TLI=0.88，RMSEA=0.12，模型拟合良好。多组结构方程模型结果显示，各模型与基线模型(CFI=0.95，TLI=0.86，RMSEA=0.10，90%CI=0.08~0.11，P < 0.01)在性别上差异无统计学意义(△CFI < 0.05，P>0.05)。 结论 初中生体育锻炼负向预测攻击行为、正向预测学习成绩，初中生学习成绩和攻击行为相互负向影响。应制定科学运动方案，减少攻击行为，有效提升青少年学习成绩。 Abstract:Objective To investigate the causal relationship between junior high school students aggressive behavior, physical exercise and academic performance, so as to provide a reference basis for the development of scientific exercise programs. Methods A longitudinal follow-up study was conducted on 502 junior high school students over a 12-month period from June 2021 to June 2022 using the Buss-Perry Aggressive Questionnaire (BPAQ), Physical Activity Questionnaire for Adolescents (PAQ-A), and test scores as the measurement tools (T1:June 2021, T2:December 2021, T3:June 2022), and a cross-lagged model was constructed to measure the relationship between aggression, physical activity and academic performance. Results At T1, physical exercise had a positive effect on academic performance at T2 (β=0.22) and a negative effect on aggressive behavior at T2 (β=-0.13), aggressive behavior negatively affected academic performance at T2 (β=-0.23), and academic performance had a negative effect on aggressive behavior at T2 (β=-0.09). Physical exercise at T2 had a negative effect on aggressive behavior at T3 (β=-0.05) and a positive effect on academic performance at T3 (β=0.19). Aggressive behavior at T2 negatively influenced academic performance at T3 (β=-0.08). Academic performance at T2 negatively influenced aggressive behavior at T3 (β=-0.06) (P < 0.05). The results of cross-lagged modeling of junior high school students aggressive behavior, physical exercise and academic performance showed that the model was well fitted (χ2/df=8.80, CFI=0.96, NFI=0.95, RFI=0.87, IFI=0.96, TLI=0.88, RMSEA=0.12). The results of multi-group structural equation modeling showed that the differences between the models and the baseline model (CFI=0.95, TLI=0.86, RMSEA=0.10, 90%CI=0.08-0.11, P < 0.01) were not statistically significant in terms of gender (△CFI < 0.05, P>0.05). Conclusions Physical exercise negatively predictes aggressive behavior and positively predictes academic performance, and academic performance and aggressive behavior negatively affect each other. A scientific exercise program should be developed to reduce aggression and effectively improve adolescents' academic performance. -
Key words:
- Aggression /
- Exercise movement techniques /
- Learning /
- Mental health /
- Students
1) 利益冲突声明 所有作者声明无利益冲突。 -
注意缺陷多动障碍(attention deficit hyperactivity disorder，ADHD)是儿童时期最常见的神经行为障碍之一，严重影响儿童时期的学业成绩、健康状况和社会交往[1]。ADHD是一种常见的、高度遗传的和损害性的疾病，根源可追溯到儿童早期，并可持续到青春期和成年期，甚至全生命周期。从疾病预防角度来看，关注ADHD的早期干预和预防策略具有较大的潜在价值，可以有效地早期识别高危个体[2]。本研究探讨1990—2019年中国ADHD疾病负担情况，并分析儿童青少年年龄段、性别间的疾病负担差异情况，阐述了近30年ADHD疾病负担的趋势，并且对未来10年疾病负担情况作了预测，为卫生行政部门制定政策提供基础理论依据。
1. 资料来源与方法
1.1 资料来源
美国华盛顿大学卫生计量与评估研究所(Institute for Health Metrics And Evaluation，IHME)发布的最新全球疾病负担(Global Burden of Disease，GBD)数据，目前最新的数据为GBD 2019数据(
http://ghdx.healthdata.org/gbd-results-tool )，包括1990—2019年全球204个国家389种疾病以及87种危险因素，可以评估全球多种疾病和危险因素的疾病负担情况[3]。2019 GBD数据库对疾病的诊断基于《国际疾病分类》第10版(ICD10)，编码为F90.901。中国ADHD疾病负担数据主要来源于文献研究、调查数据和监测数据、住院和门诊就诊等临床数据和健康保险数据等[4]。1990—2019年中国人口数据来源于GBD 2019数据库。标准人口结构来自世界卫生组织发布的年龄调整的标准人口，具体数据源于https://seer.cancer.gov/stdpopulations 。本研究利用GBD结果工具对中国ADHD疾病负担数据进行检索，检索内容包括选择地区为China；年份选择1990—2019年；度量标准选择Rate；分析指标选择发病率(incidence)、患病率(prevalence)和伤残调整寿命年(disability adjusted life year，DALY)；性别选择Male、Female和Both；疾病原因选择ADHD；年龄选择0~19岁。1.2 统计指标
发病率表示在一定期间内，一定人群中某病新病例出现的频率。使用DisMod-MRⅡ软件对患病率进行计算，患病率是指一定的时间段内，整个总人口中某种疾病新旧病例之和所占的百分率。DALY通过早死亡损失寿命年和伤残损失寿命年相加计算得出[5]，DALY率为DALY除以相应人口数而获得。标化发病率、标化患病率和标化DALY率的计算通过世界标准入口年龄结构进行标化。变化率=(2019年的率-1990年的率)/1990年的率×100%。
1.3 统计学方法
使用Joinpoint 4.8.0.1版本软件对发病率和患病率进行趋势分析，Joinpoint回归模型应用Z检验进行分段点的假设，首先假设无任何分段点，即H0：分段点为0个；H1：分段点至少存在1个。若拒绝H0，则再进行检验1个分段点与n个分段点差异是否有统计学意义，以此类推[6]。按照此方法，本研究有3个分段点分别为趋势1、趋势2和趋势3。计算年度变化百分比(annual percentage change，APC)和平均年度变化百分比(average annual percentage change，AAPC)。灰色模型GM(1, 1)预测：灰色模型GM(1, 1)是通过少量的、不完全的信息，建立数学模型并做出预测的一种方法[7]。使用灰色模型建模需要对数据进行检验，首先计算数列的级比，(k)=x0(k)x0(k-1)，其中k=2, 3, …, n。如果所有的级比都落在可容覆盖区间X=(e-2, e)内，则数列X(0)可以建立灰色模型GM(1, 1)进行预测。灰色模型GM(1, 1)的精度检验采用后验差检验法，C < 0.35为精度好，C < 0.5为精度合格，C≤0.65为精度基本合格，C>0.65为精度不合格。检验水准α=0.05。
2. 结果
2.1 1990和2019年ADHD疾病负担情况
1990年我国ADHD的发病率、患病率和DALY率分别为96.86/10万、2 071.19/10万和42.70/10万，2019年分别为70.41/10万、1 546.15/10万和18.87/10万，与1990年相比分别降低27.30%，25.35%和55.80%。2019年男性和女性ADHD的发病率、患病率和DALY率同样呈现降低趋势，女性均低于男性；其中，与1990年相比，男性分别降低25.75%，24.65%，24.69%，女生分别降低30.38%，26.07%，25.76%，见表 1。
表 1 中国1990和2019年儿童青少年ADHD疾病负担情况/10-5Table 1. Disease burden of ADHD in Chinese children and adolescents in 1990 and 2019/10-5组别 年份 发病率 标化发病率 患病率 标化患病率 DALY率 标化DALY率 男 1990 142.15 148.55 2 955.79 2 717.48 36.13 33.21 2019 105.55 180.32 2 227.29 2 900.36 27.21 35.51 女 1990 48.68 52.30 1 129.99 1 039.44 13.74 12.63 2019 33.89 65.45 835.35 1 134.77 10.20 13.86 合计 1990 96.86 102.57 2 071.19 1 906.92 42.70 23.27 2019 70.41 127.47 1 546.15 2 070.84 18.87 25.34 2.2 1990和2019年不同年龄组儿童青少年ADHD疾病负担情况的差异
将0~19岁儿童青少年分成4组，2019年5~9岁组ADHD发病率最高，为837.76/10万，而患病率和DALY率最高的年龄组在10~14岁组，分别为5 740.47/10万和70.49/10万。见表 2。从变化率来看，变化率最小的在15~19岁年龄组，其中男性患病率变化率为5.56%，女性为10.79%，总患病率变化率为8.77%；男性DALY率变化率为5.64%，女性为11.04%，总DALY率变化率为8.92%；男、女性及总发病率变化率均为0；＜5岁年龄组变化率较大，其中男、女性及总发病率变化率为25.18%，28.31%，27.13%；男、女性及总患病率变化率为25.14%，28.29%，27.09%；男、女性及总DALY率变化率为25.08%，28.91%，27.32%。
表 2 不同年龄组儿童青少年1990和2019年ADHD疾病负担情况/10-5Table 2. Burden of ADHD in different age groups in Chinese adolescents and children in 1990 and 2019/10-5年龄组/岁 年份 发病率 患病率 DALY率 男性 女性 合计 男性 女性 合计 男性 女性 合计 ＜5 1990 476.76 164.45 329.36 495.84 171.21 342.62 6.10 2.11 4.21 2019 596.79 211.00 418.70 620.48 219.65 435.44 7.63 2.72 5.36 5~9 1990 976.44 347.09 674.38 5 213.21 1 828.88 3 588.87 64.05 22.46 44.09 2019 1 181.18 433.62 837.76 6 289.08 2 275.25 4 445.16 77.33 28.02 54.68 10~14 1990 84.82 30.44 58.51 6 922.91 2 486.42 4 776.49 84.92 30.47 58.57 2019 102.86 38.24 73.29 8 038.79 3 015.30 5 740.47 98.72 37.03 70.49 15~19 1990 0 0 0 5 515.09 2 087.21 3 847.60 67.58 25.46 47.09 2019 0 0 0 5 821.74 2 312.50 4 185.18 71.39 28.27 51.29 2.3 1990—2019年中国儿童青少年ADHD疾病负担趋势分析
1990—2019年我国儿童青少年ADHD的发病率、患病率和DALY率均有降低趋势，AAPC分别为-1.35%，-1.16%和-1.16%，差异均有统计学意义(P值均＜0.05)。ADHD发病率在1990—1995年有升高趋势，平均每年增长3.72%，差异有统计学意义(P＜0.05)，随后1995—2019年呈下降趋势，差异均有统计学意义(P值均＜0.05)。ADHD患病率和DALY率在1990—1994年呈升高趋势，每年增长1.93%、1.95%，差异均有统计学意义(P值均＜0.05)，随后1994—2019年呈下降趋势(P值均＜0.05)。见表 3。
表 3 中国1990—2019年儿童青少年ADHD疾病负担趋势分析/10-5Table 3. Analysis of disease burden trend of ADHD in Chinese children and adolescents from 1990 to 2019/10-5指标 趋势1 趋势2 趋势3 整体趋势 年份 APC(95%CI) 年份 APC(95%CI) 年份 APC(95%CI) 年份 AAPC(95%CI) 发病率 1990—1995 3.72(2.62~4.74)* 1995—2004 -4.74(-5.14~-4.20)* 2004—2019 -0.94(-1.15~-0.74)* 1990—2019 -1.35(-1.55~-1.14)* 患病率 1990—1994 1.93(1.35~2.45)* 1994—1999 -0.53(-1.03~-0.02) 1999—2019 -1.83(-1.89~-1.78)* 1990—2019 -1.16(-1.25~-0.90)* DALY率 1990—1994 1.95(1.45~2.43)* 1994—1999 -0.56(-1.04~0.05) 1999—2019 -1.82(-1.87~-1.78)* 1990—2019 -1.16(-1.24~-0.93)* 注：*P＜0.05。 2.4 2020—2030年ADHD发病率和患病率趋势预测
建立灰色预测模型GM(1, 1)前，对时间序列进行级比检验，发病率、患病率、标化发病率和标化患病率的原序列的所有级比值都位于区间(0.938，1.067)内，说明原序列适合构建灰色预测模型。此外，发病率、患病率和标化发病率的后验差比值分别为0.118，0.081和0.268，说明模型精度高，标化患病率的后验差比值为0.518，模型精度基本合格。通过灰色模型拟合结果显示，发病率、患病率、标化发病率和标化患病率模型平均相对误差分别为5.32%和2.56%，2.13%和1.15%，提示模型拟合效果良好，见表 4。灰色预测模型GM(1, 1)预测结果显示，2020—2030年ADHD的发病率、患病率和标化患病率均呈下降趋势，到2030年发病率下降至48.15/10万，患病率下降至1 363.89/10万，标化患病率下降至2 070.05/10万；标化发病率呈上升趋势，到2030年升高至138.53/10万。见图 1，2。
表 4 ADHD发病率和患病率灰色模型拟合结果/10-5Table 4. Grey model fitting results of incidence and prevalence rate of ADHD/10-5年份 发病率 患病率 标化发病率 标化患病率 原始值 预测值 相对误差 原始值 预测值 相对误差 原始值 预测值 相对误差 原始值 预测值 相对误差 1990 96.86 96.86 0 2 071.19 2 071.19 0 102.57 102.57 0 1 906.92 1 906.92 0 1991 102.75 114.60 11.53 2 119.33 2 328.65 9.87 108.65 119.77 10.23 1 973.43 2 087.02 10.23 1992 108.15 112.08 3.63 2 162.59 2 296.92 6.21 114.15 120.22 5.31 2 032.57 2 086.58 5.31 1993 112.46 109.61 2.52 2 197.98 2 265.63 3.07 118.73 120.67 1.63 2 080.95 2 086.15 1.63 1994 114.98 107.20 6.76 2 221.32 2 234.77 0.60 122.05 121.12 0.76 2 115.14 2 085.71 0.76 1995 115.00 104.85 8.82 2 229.13 2 204.33 1.11 123.78 121.57 1.79 2 131.59 2 085.27 1.79 1996 112.53 102.54 8.87 2 223.52 2 174.30 2.21 124.40 122.02 1.91 2 133.98 2 084.84 1.91 1997 108.50 100.29 7.56 2 211.71 2 144.68 3.03 124.64 122.48 1.74 2 130.06 2 084.40 1.74 1998 103.43 98.08 5.16 2 194.78 2 115.46 3.61 124.66 122.94 1.38 2 122.16 2 083.96 1.38 1999 97.95 95.92 2.06 2 173.49 2 086.64 3.99 124.60 123.40 0.96 2 112.62 2 083.53 0.96 2000 92.73 93.81 1.17 2 149.48 2 058.22 4.24 124.60 123.86 0.59 2 103.88 2 083.09 0.59 2001 88.32 91.75 3.88 2 117.06 2 030.18 4.10 124.77 124.32 0.36 2 092.78 2 082.66 0.36 2002 84.61 89.73 6.06 2 074.99 2 002.52 3.49 125.13 124.79 0.28 2 077.47 2 082.22 0.28 2003 81.47 87.76 7.72 2 028.63 1 975.24 2.63 125.66 125.25 0.32 2 062.19 2 081.78 0.32 2004 78.88 85.83 8.81 1 983.24 1 948.33 1.70 126.33 125.72 0.48 2 051.10 2 081.35 0.48 2005 76.82 83.94 9.27 1 944.89 1 921.79 1.18 127.11 126.19 0.72 2 048.34 2 080.91 0.72 2006 75.49 82.10 8.76 1 914.58 1 895.61 0.99 128.30 126.66 1.28 2 055.67 2 080.48 1.28 2007 74.79 80.29 7.35 1 888.16 1 869.79 0.97 129.94 127.14 2.16 2 069.37 2 080.04 2.16 2008 74.44 78.53 5.49 1 862.53 1 844.32 0.97 131.63 127.61 3.05 2 085.08 2 079.61 3.05 2009 74.13 76.80 3.60 1 835.05 1 819.19 0.86 132.96 128.09 3.66 2 098.42 2 079.17 3.66 2010 73.54 75.11 2.13 1 804.41 1 794.41 0.55 133.52 128.57 3.71 2 104.92 2 078.73 3.71 2011 72.38 73.46 1.49 1 768.58 1 769.96 0.07 133.12 129.05 3.05 2 101.49 2 078.30 3.05 2012 70.93 71.84 1.29 1 729.23 1 745.85 0.96 132.04 129.53 1.90 2 091.06 2 077.86 1.90 2013 69.68 70.26 0.84 1 690.17 1 722.07 1.88 130.67 130.02 0.50 2 078.05 2 077.43 0.50 2014 68.78 68.72 0.09 1 654.77 1 698.61 2.64 129.42 130.50 0.84 2 066.79 2 076.99 0.84 2015 68.14 67.21 1.35 1 624.09 1 675.47 3.16 128.66 130.99 1.81 2 061.59 2 076.56 1.81 2016 68.10 65.73 3.47 1 598.02 1 652.65 3.41 128.34 131.48 2.45 2 062.64 2 076.12 2.45 2017 68.99 64.28 6.81 1 577.04 1 630.13 3.36 128.12 131.97 3.01 2 064.94 2 075.69 3.01 2018 69.98 62.87 10.16 1 560.50 1 607.93 3.03 127.85 132.47 3.00 2 067.41 2 075.25 3.61 2019 70.41 61.49 12.66 1 546.15 1 586.02 2.57 127.47 132.96 4.31 2 070.84 2 074.82 4.31 
图 1 预测2020—2030年ADHD发病率和标化发病率Figure 1. Prediction of ADHD incidence rate and standardized incidence rate during 2020-2030
图 2 预测2020—2030年ADHD患病率和标化患病率Figure 2. Prediction of ADHD prevalence rate and standardized prevalence rate during 2020-20303. 讨论
近几十年来，获得ADHD流行病学数据的重要性得到了越来越多的认可[8]。以上流行病学数据一部分是基于国家流行病学调查的数据获取的，另一部分是基于医院为基础的病案数据获取的，具有良好的可靠性。以上数据对于了解我国ADHD的疾病负担是十分必要的，同时可为卫生行政部门制定相关防治政策提供基础理论数据支撑[9]。调查显示，与1990年相比，我国2019年ADHD的发病率、患病率和DALY率均有所下降。不同性别间的比较显示，男性ADHD的发病率、患病率和DALY率约为女性的3倍，表明卫生部门、社会及家长应给予男性ADHD患者更多的关注和支持，本研究结果与以往研究数据相符合[10]。此外，在不同年龄间的比较中发现，2019年ADHD疾病发病率在5~9岁年龄组最高，而患病率和DALY率在10~14岁年龄组最高，提示10~14岁年龄组患者疾病负担较重，应在儿童发病后给予积极的治疗，在精确诊断的基础上结合患儿自身情况，制定个体化的治疗方案，减轻其对儿童生活及学习的影响[11-12]。1990—1995年间，我国ADHD的发病率、患病率和DALY率均有升高趋势，主要可能由于当时ADHD诊断标准逐步明确而治疗技术相对落后，不能给予患者及时针对性的治疗。但在1995年以后，我国ADHD疾病负担呈下降趋势，提示除了临床的药物治疗，非药物治疗包括心理治疗、家校干预、神经调控技术及运动疗法的普及等均可以提高ADHD的治疗效果，降低ADHD疾病负担[13-14]。年龄标化分析发现，2019年ADHD的标化发病率、患病率及DALY率与1990年比较均有上升，可能与人们对该病认识的提高及ADHD诊断标准的改变或医疗实践改变有关。根据美国最近一项针对4~17岁儿童青少年的健康调查报道，该病的诊断比例从1997年的6.1%提高到2016年的10.2%[15]。通过灰色预测模型GM(1, 1)发现，2020—2030年ADHD疾病的发病率和患病率均呈下降趋势，到2030年发病率下降至48.15/10万，患病率下降至1 363.89/10万，贯彻落实了《“健康中国2030”规划纲要》的总体要求，以预防为主、关口前移，推行健康的生活方式[16]。基于以上研究结果，建议继续加强ADHD疾病的监测，依托监测数据，了解真实的ADHD疾病负担情况，可以有针对性的早诊断、早治疗、早康复，在强基层的基础上，促进健康产业发展，减轻ADHD对我国青少年儿童生活及学习的影响。
综上所述，随着ADHD疾病的深入研究，更多治疗药物和非治疗药物以及行为康复治疗技术的普及，1990—2019年我国ADHD疾病负担呈下降趋势，并且到2030年仍呈下降趋势，但我国人口基数大，ADHD发病例数仍然较多，该病是最常见的儿童神经发育障碍性疾病，严重困扰着青少年儿童学业及生活，给家庭及社会带来了沉重的负担[17]。因此，应继续加强ADHD的疾病监测，以及针对不同年龄段采取不同的干预措施。
-
图 1 初中生攻击行为、体育锻炼和学习成绩交叉滞后模型
Figure 1. Cross-lag models of aggressive behavior, physical exer- cise, and academic performance among junior high school students
表 1 初中生攻击行为、体育锻炼和学习成绩的相关性分析(r值，n=502)
Table 1. The correlation between aggressive behavior, physical exercise, and academic performance among junior high school students(r, n=502)
变量 攻击性行为 学习成绩 体育锻炼 T1 T2 T3 T1 T2 T3 T1 T2 T2攻击性行为 0.69 T3攻击性行为 0.68 0.86 T1学习成绩 -0.21 -0.24 -0.22 T2学习成绩 -0.40 -0.38 -0.39 0.49 T3学习成绩 -0.32 -0.33 -0.32 0.35 0.62 T1体育锻炼 -0.40 -0.39 -0.41 0.16 0.37 0.39 T2体育锻炼 -0.32 -0.31 -0.33 0.15 0.38 0.41 0.85 T3体育锻炼 -0.21 -0.29 -0.25 0.16 0.29 0.47 0.73 0.80 注：P值均＜0.01。 
下载: 导出CSV
表 2 初中生攻击行为、体育锻炼和学习成绩的交叉滞后模型测量一致性检验(n=502)
Table 2. Cross-lag model measurement consistency test for aggressive behavior, physical exercise, and academic performance among junior high school students(n=502)
组别 模型 攻击行为 体育锻炼 学习成绩 χ2值 df值 P值 RMSEA值 TLI值 CFI值 χ2值 df值 P值 RMSEA值 TLI值 CFI值 χ2值 df值 P值 RMSEA值 TLI值 CFI值 年龄 模型1 97.33 29 ＜0.01 0.07 0.97 0.94 94.11 29 ＜0.01 0.07 0.97 0.90 63.36 29 ＜0.01 0.05 0.92 0.92 模型2 97.54 31 ＜0.01 0.07 0.97 0.94 98.44 31 ＜0.01 0.07 0.97 0.94 71.86 31 ＜0.01 0.05 0.91 0.90 模型3 97.95 33 ＜0.01 0.06 0.97 0.94 100.35 33 ＜0.01 0.06 0.97 0.94 74.96 33 ＜0.01 0.05 0.91 0.90 性别 模型1 34.86 2 ＜0.01 0.18 0.91 0.97 12.49 2 ＜0.01 0.10 0.97 0.99 5.12 2 0.08 0.06 0.95 0.99 模型2 35.59 4 ＜0.01 0.13 0.95 0.97 15.37 4 ＜0.01 0.08 0.99 0.99 7.69 4 0.10 0.04 0.97 0.99 模型3 35.99 6 ＜0.01 0.10 0.97 0.97 16.78 6 ＜0.05 0.06 0.99 0.99 9.72 6 0.14 0.04 0.98 0.99 注：模型1为基线等值模型；模型2为载荷等值模型；模型3为截距等值模型。
下载: 导出CSV
表 3 初中生攻击行为、体育锻炼和学习成绩交叉滞后模型多群组分析拟合度比较(n=502)
Table 3. Comparison of fitting degree of cross lagged models of aggressive behavior, physical exercise, and academic performance among junior high school students in multi group analysis(n=502)
模型 CMIN值 df值 P值 CMIN/DF值 NFI值 RFI值 IFI值 TLI值 CFI值 RMSEA值(95%CI) M0 178.23 32 ＜0.01 5.57 0.94 0.83 0.95 0.86 0.95 0.10(0.08~0.11) M1 191.22 52 ＜0.01 3.68 0.94 0.89 0.95 0.92 0.95 0.07(0.06~0.08) M2 206.94 60 ＜0.01 3.45 0.93 0.90 0.95 0.92 0.95 0.07(0.06~0.08) M3 209.43 62 ＜0.01 3.38 0.93 0.90 0.95 0.93 0.95 0.07(0.06~0.08) M4 248.77 70 ＜0.01 3.55 0.92 0.89 0.94 0.92 0.94 0.07(0.06~0.08) 注：M0为基线模型；M1为男女交叉滞后路径模型；M2为男女结构截距模型；M3为男女结构协方差模型；M4为男女结构残差模型。
下载: 导出CSV
-
[1] 纪林芹, 张蒙, 董美慧, 等. 童年晚期至青少年早期攻击和同伴侵害的关系: 交叉滞后研究[J]. 心理发展与教育, 2021, 37(5): 701-709. https://www.cnki.com.cn/Article/CJFDTOTAL-XLFZ202105011.htmJI L Q, ZHANG M, DONG M H, et al. The bidirectional associations between aggression and peer victimization from late childhood to early adolescence: a cross-lagged study[J]. Psychol Dev Educ, 2021, 37(5): 701-709. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-XLFZ202105011.htm [2] LEE Y, LIM S. Effects of sports activity on sustainable social environment and juvenile aggression[J]. Sustainability, 2019, 11(8): 2279. doi: 10.3390/su11082279 [3] 朱风书, 王叶, 郑玥, 等. 篮球运动干预对大学生攻击行为的影响: 人际关系中介作用[J]. 中国健康心理学杂志, 2022, 30(3): 457-465. https://www.cnki.com.cn/Article/CJFDTOTAL-JKXL202203029.htmZHU F S, WANG Y, ZHENG Y, et al. Effect of basketball intervention on college students' aggressive behavior: mediation effect of interpersonal relationship[J]. Chin J Health Psychol, 2022, 30(3): 457-465. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JKXL202203029.htm [4] 张倩, 郭念锋. 攻击行为儿童大脑半球某些认知特点的研究[J]. 心理学报, 1999, 31(1): 104-110. https://www.cnki.com.cn/Article/CJFDTOTAL-XLXB199901015.htmZHANG Q, GUO N F. Studies of cerebral hemispheere cogntive characteristics in children of aggressive behavior[J]. Acta Psychol Sin, 1999, 31(1): 104-110. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-XLXB199901015.htm [5] DOLLARD J, DOOB L W, MILLER N E, et al. Frustration and aggression[J]. Am J Soc, 1939, 92(7): 1654-1667. [6] 王庆生, 郝加虎, 黄朝辉, 等. Buss-Perry攻击问卷信效度评价[J]. 安徽医药, 2012, 16(2): 208-210. doi: 10.3969/j.issn.1009-6469.2012.02.029WANG Q S, HAO J H, HUANG C H, et al. Validation of the Buss-Perry Aggression Questionnaire in Chinese college students[J]. Anhui Med Pharm J, 2012, 16(2): 208-210. (in Chinese) doi: 10.3969/j.issn.1009-6469.2012.02.029 [7] 陈爱国, 熊轩, 朱丽娜, 等. 体育运动与儿童青少年脑智提升: 证据与理论[J]. 体育科学, 2021, 41(11): 43-51. https://www.cnki.com.cn/Article/CJFDTOTAL-TYKX202111006.htmCHEN A G, XIONG X, ZHU L N, et al. Physical exercise and development of brain and mind in children and adolescents: evidence and theory[J]. China Sport Sci, 2021, 41(11): 43-51. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-TYKX202111006.htm [8] 蒋莹, 杨玉冰, 邢淑芬. 体育运动促进儿童学业成就及其作用机制研究进展述评[J]. 体育学刊, 2016, 23(5): 86-92. https://www.cnki.com.cn/Article/CJFDTOTAL-TYXK201605015.htmJIANG Y, YANG Y B, XING S F. A review of physical activities promoting children's academic achievements and its working mechanisms[J]. J Phys Educ, 2016, 23(5): 86-92. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-TYXK201605015.htm [9] FAUGHT E L, QIAN W, CARSON V L, et al. The longitudinal impact of diet, physical activity, sleep, and screen time on Canadian adolescents' academic achievement: an analysis from the COMPASS study[J]. Prev Med, 2019, 125: 24-31. doi: 10.1016/j.ypmed.2019.05.007 [10] GALL S, ADAMS L, JOUBERT N, et al. Effect of a 20-week physical activity intervention on selective attention and academic performance in children living in disadvantaged neighborhoods: a cluster randomized control trial[J]. PLoS One, 2018, 13(11): e0206908. doi: 10.1371/journal.pone.0206908 [11] WANG P C, WANG X C, LEI L. Gender differences between student-student relationship and cyberbullying perpetration: an evolutionary perspective[J]. J Interpers Violence, 2019, 36(19/20): 9187-9207. [12] PARK I K, KIM Y. Relationships between university students' gender and physical activity (PA) and their exercise self-schemas, processing of PA-related information, and PA decision-making[J]. Percep Mot Skills, 2021, 129(1): 195-209. [13] MARCENARO-GUTIERREZ O, LOPEZ-AGUDO L A, ROPERO-GARCÍA M A. Gender differences in adolescents' academic achievement[J]. Young, 2018, 26(3): 250-270. doi: 10.1177/1103308817715163 [14] DENG H J, CAO S J, TANG J G, et al. Prediction of sports aggression behavior and analysis of sports intervention based on swarm intelligence model[J]. Sci Programm, 2022, 2022: 2479939. [15] 任萍, 宋子婧, 孟晓哲, 等. 青少年学业成绩、攻击行为与受欢迎程度的关系: 一项交叉滞后研究[J]. 心理发展与教育, 2021, 37(5): 710-718. https://www.cnki.com.cn/Article/CJFDTOTAL-XLFZ202105012.htmREN P, SONG Z J, MENG X Z, et al. The relationship between academic achievement, popularity and aggressive behavior of adolescents: a cross-lagged analysis[J]. Psychol Dev Educ, 2021, 37(5): 710-718. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-XLFZ202105012.htm [16] 李新, 王艳, 李晓彤, 等. 青少年体力活动问卷(PAQ-A)中文版的修订及信效度研究[J]. 北京体育大学学报, 2015, 38(5): 63-67. https://www.cnki.com.cn/Article/CJFDTOTAL-BJTD201505012.htmLI X, WANG Y, LI X T, et al. Reliability and validity of Physical Activity Questionnaire for Adolescents (PAQ-A) in Chinese Version[J]. J Beijing Sport Univ, 2015, 38(5): 63-67. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-BJTD201505012.htm [17] 温忠麟, 方杰, 谢晋艳, 等. 国内中介效应的方法学研究[J]. 心理科学进展, 2022, 30(8): 1692-1702. https://www.cnki.com.cn/Article/CJFDTOTAL-XLXD202208003.htmWEN Z L, FANG J, XIE J Y, et al. Methodological research on mediation effects in China's mainland[J]. Adv Psychol Sci, 2022, 30(8): 1692-1702. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-XLXD202208003.htm [18] 汤丹丹, 温忠麟. 共同方法偏差检验: 问题与建议[J]. 心理科学, 2020, 43(1): 215-223. https://www.cnki.com.cn/Article/CJFDTOTAL-XLXD202304001.htmTANG D D, WEN Z L. Statistical approaches for testing common method bias: problems and suggestions[J]. J Psychol Sci, 2020, 43(1): 215-223. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-XLXD202304001.htm [19] EULER F, STEINLIN C, STADLER C. Distinct profiles of reactive and proactive aggression in adolescents: associations with cognitive and affective empathy[J]. Child Adolesc Psychiatry Ment Health, 2017, 11(1): 1. [20] RÁCHAEL A P, JOHN K C, JON M, et al. Social learning theory, gender, and intimate partner violent victimization: a structural equations approach[J]. J Int Violence, 2020, 35(17/18): 3554-3580. [21] MILOVANOVI I, GENTILE A, GUTOVI T, et al. Prosocial and aggressive behavior occurrence in young athletes: field research results in six European countries[J]. Sustainability, 2020, 12(12): 1-13. [22] 徐久阳, 任建蕊, 全国祥, 等. 大学生体育锻炼与攻击行为横断研究: 自我效能和自我控制的中介作用[J]. 四川体育科学, 2023, 42(5): 52-58. https://www.cnki.com.cn/Article/CJFDTOTAL-SCTK202305011.htmXU J Y, REN J R, QUAN G X, et al. A cross-sectional study of physical activity and aggression in college students: the mediating role of self-efficacy and self-control[J]. Sichuan Sports Sci, 2023, 42(5): 52-58. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-SCTK202305011.htm [23] BARLETT C, OLIPHANT H, GREGORY W, et al. Ego-depletion and aggressive behavior[J]. Aggress Behav, 2016, 42(6): 533-541. [24] YANG Y, ZHU H, CHU K, et al. Effects of sports intervention on aggression in children and adolescents: a systematic review and Meta-analysis[J]. Peer J, 2023(11): e15504. [25] AND S F, PRICE J. Cognitive competencies and aggressive behavior: a developmental study[J]. Aggress Behav, 1984, 10(3): 185-200. [26] YANG F, CHEN X Y, WANG L. Relations between aggression and adjustment in Chinese children: moderating effects of academic achievement[J]. J Clin Child Adolesc Psychol, 2014, 43(4): 656-669. [27] GRANVIK S M, PLENTY S, MODIN B. The role of academic achievement in the relationship between school ethos and adolescent distress and aggression: a study of ninth grade students in the segregated school landscape of stockholm[J]. J Youth Adolesc, 2020, 50(prepublish): 1-14. [28] KLIEWER W, LEPORE S J. Exposure to violence, social cognitive processing, and sleep problems in urban adolescents[J]. J Youth Adolesc, 2015, 44(2): 507-517. [29] GEIR K R, EIVIND A, VEGARD F M, et al. Effects of physical activity on schoolchildren's academic performance: the active smarter kids (ASK) cluster-randomized controlled trial[J]. Prev Med, 2016, 91: 322-328. [30] KEELEY T J H, FOX K R. The impact of physical activity and fitness on academic achievement and cognitive performance in children[J]. Int Rev Sport Exerc Psychol, 2009, 2(2): 198-214. [31] SÁNCHEZ-MIGUEL P A, MOLINALÓPEZ J, VAQUERO-SOLÍS M, et al. Sedentary behaviours and their relationship with academic performance in adolescents: a mediation analysis[J]. J Sports Sci, 2022, 40(23): 2570-2577. [32] AYANO G, BETTS K, DACHEW B A, et al. Academic performance in adolescent offspring of mothers with prenatal and perinatal psychiatric hospitalizations: a register-based, data linkage, cohort study[J]. Psychiatry Res, 2022, 319: 114946. [33] ISHIHARA T, NAKAJIMA T, YAMATSU K, et al. Relationship of participation in specific sports to academic performance in adolescents: a 2-year longitudinal study[J]. Scand J Med Sci Sports, 2020, 30(8): 1471-1482. [34] MIRABELLA G, LEBEDEV M A. Interfacing to the brain's motor decisions[J]. J Neurophysiol, 2017, 117(3): 1305-1319. 期刊类型引用(9)
1. 蔡和就. 基因决定的儿童肥胖与注意力缺陷多动障碍之间的因果关系. 心理月刊. 2025(05): 44-46 . 
百度学术2. 苏一雯，石中华. 产前抑郁致子代精神疾病的研究进展. 国际妇产科学杂志. 2025(02): 132-136 . 百度学术3. 周竞，赵玥. 以爱化“动”，静待花开——班主任如何助力多动症儿童健康成长. 中小学心理健康教育. 2024(01): 72-74 . 百度学术4. 杨雨妍，孟威，梁晓婷. 自然接触与儿童身心发展研究进展. 园林. 2024(05): 111-119 . 百度学术5. 路少玉，胡银环，刘莎，张泽苗，冯显东. 中国1990与2019年儿童青少年心理疾病负担情况比较. 中国公共卫生. 2024(04): 399-407 . 百度学术6. 苏琪，邵丹玥，余斯雅，赵艾婧，张雯. 基于“和五脏，畅五神”辨治儿童注意缺陷多动障碍. 现代中医临床. 2024(03): 44-48 . 百度学术7. 杨茜茜，毕东军，陈小芳，陈礼贤. 注意力缺陷多动障碍患儿病耻感的研究进展. 当代护士(下旬刊). 2024(07): 14-18 . 百度学术8. 池边柳，赵莎，周源源，胡娜，秦琨. 视觉训练联合认知行为干预对注意缺陷多动障碍患儿的影响. 护理实践与研究. 2024(08): 1108-1113 . 百度学术9. 张永政，张春艳，穆资辰，唐强. 唐强教授运用整合康复疗法治疗小儿多动症的经验总结. 中外医疗. 2024(36): 190-194 . 百度学术其他类型引用(2)
-
下载:
点击查看大图
计量
- 文章访问数: 242
- HTML全文浏览量: 109
- PDF下载量: 39
- 被引次数: 11
