physical inactivity

Digital media has evolved from passive screen viewing into an algorithmically curated ecosystem of social platforms, short form video, games, generative artificial intelligence (AI), conversational agents, connected toys and educational technologies. These systems can support learning, creativity, communication, disability access and healthcare; however, engagement optimized design, commercial surveillance and synthetic content create risks that are not adequately captured by screen-time measures alone. This narrative review examines the effects of contemporary digital ecosystems on child and adolescent health and outlines implications for pediatric practice. PubMed/MEDLINE, Google Scholar and guidance from the World Health Organization, United Nations Children's Fund, UNESCO and the American Academy of Pediatrics were reviewed, with emphasis on evidence published from 2019 to June 2026. Associations have been reported between problematic digital media use and sleep disruption, reduced physical activity, visual and musculoskeletal symptoms, obesity related behaviours, anxiety, depressive symptoms, cyberbullying, disordered eating and impaired attention. Causal interpretation remains difficult because effects are heterogeneous, often small, bidirectional and strongly modified by age, content, context, displacement, family relationships and pre-existing vulnerability. AI adds distinct concerns: persuasive personalization, inaccurate health information, anthropomorphic dependency, deepfakes, sexual exploitation, biased outputs, privacy loss and erosion of learning through uncritical outsourcing. Benefits are also substantial when technologies are developmentally appropriate, evidence-based, inclusive and used with adult support. Pediatric counselling should shift from counting hours alone toward assessing the child's digital ecosystem, sleep, function, content, compulsivity, safety and relationships. Effective protection requires shared family practices, school digital literacy, safety by design, age-appropriate assurance, transparent algorithms, data minimization and independent research. The goal is not a screen free childhood but a child centred digital environment that supports health, agency and development.

We argue that interventions that empower individuals to manage their behaviour play an important role in physical activity promotion and maintenance. Specifically, we focus on training physically inactive individuals to use self-enactable behaviour change techniques (SE-BCTs) based on the recent SE-BCT compendium. We highlight challenges and potential solutions related to selecting, clustering, sequencing and personalising techniques, particularly when delivered via a digital training platform.

ما استدلال می‌کنیم که مداخلاتی که افراد را توانمند می‌سازند تا رفتار خود را مدیریت کنند، نقش مهمی در ترویج و حفظ فعالیت بدنی ایفا می‌کنند. به طور خاص، ما بر آموزش افراد فاقد فعالیت بدنی برای استفاده از فنون تغییر رفتار قابل اجرا توسط خود (SE-BCTs) بر اساس مجموعه اخیر SE-BCT تمرکز می‌کنیم. ما چالش‌ها و راه‌حل‌های بالقوه مرتبط با انتخاب، خوشه‌بندی، توالی‌بندی و شخصی‌سازی فنون، به ویژه زمانی که از طریق یک پلتفرم آموزش دیجیتال ارائه می‌شوند، را برجسته می‌سازیم.

Background Adolescent suicide attempt is a major public health concern linked to psychosocial distress, school environment, health-risk behaviors, and physical activity patterns. This study aimed to develop an explainable XGBoost model for adolescent suicide-attempt status and to determine whether physical inactivity and low physical education (PE) participation could serve as informative school-based indicators. Methods Data were obtained from the Global School-based Student Health Survey conducted in Argentina in 2018, Anguilla in 2016, and Jamaica in 2017. The Argentina dataset was used for model training, while Anguilla and Jamaica were combined as an independent validation cohort. The outcome was self-reported suicide attempt during the past 12 months. Candidate predictors included demographic, anthropometric, dietary, psychosocial, violence- and injury-related, tobacco-related, sexual behavior, physical activity, and PE-related variables. An XGBoost model was developed using nested cross-validation, staged hyperparameter tuning, and Bayesian fine-tuning. Model performance was evaluated by the area under the receiver operating characteristic curve (AUC). SHAP and partial dependence plots were used for interpretation. Results A total of 27,710 adolescents were included; 5,165 (18.6%) reported at least one suicide attempt. The final model achieved an independent validation AUC of 0.7928 (95% CI: 0.7790–0.8066). The top 18 SHAP-ranked predictors retained a cumulative 10-fold cross-validated AUC of 0.7865. Loneliness was the most influential predictor, followed by sex, insomnia, early cigarette use, PE days, physical attack, school peer kindness, and physical activity. Physical inactivity and low PE participation showed nonlinear associations with predicted suicide-attempt risk. Conclusions Loneliness and insomnia represented the psychosocial vulnerability profile, while physical inactivity and limited PE participation emerged as potentially informative school-based indicators requiring further longitudinal investigation. These findings support risk-stratified prevention strategies integrating early psychological identification with inclusive, socially supportive physical activity and PE programs.

زمینه و هدف: اقدام به خودکشی در نوجوانان یکی از نگرانی‌های عمده سلامت عمومی است که با پریشانی روانی‌اجتماعی، محیط مدرسه، رفتارهای پرخطر سلامت و الگوهای فعالیت بدنی مرتبط است. هدف این مطالعه، توسعه یک مدل XGBoost توضیح‌پذیر برای وضعیت اقدام به خودکشی در نوجوانان و تعیین این بود که آیا بی‌تحرکی بدنی و مشارکت پایین در آموزش تربیت بدنی (PE) می‌تواند به عنوان شاخص‌های مدرسه‌محور اطلاعاتی عمل کند یا خیر. روش‌ها: داده‌ها از پیمایش جهانی سلامت دانش‌آموزان مدرسه‌ای که در آرژانتین در سال ۲۰۱۸، آنگویلا در سال ۲۰۱۶ و جامائیکا در سال ۲۰۱۷ انجام شد، به دست آمد. داده‌های آرژانتین برای آموزش مدل استفاده شد و داده‌های آنگویلا و جامائیکا به عنوان گروه اعتبارسنجی مستقل ترکیب شدند. متغیر پیامد، اقدام به خودکشی خوداظهاری‌شده در ۱۲ ماه گذشته بود. پیش‌بین‌های کاندید شامل متغیرهای جمعیت‌شناختی، انسان‌سنجی، تغذیه‌ای، روانی‌اجتماعی، مرتبط با خشونت و آسیب، مرتبط با دخانیات، رفتار جنسی، فعالیت بدنی و متغیرهای مرتبط با PE بود. یک مدل XGBoost با استفاده از اعتبارسنجی متقاطع تو در تو، تنظیم مرحله‌ای ابرپارامترها و تنظیم دقیق بیزی توسعه یافت. عملکرد مدل با مساحت زیر منحنی مشخصه عملکرد گیرنده (AUC) ارزیابی شد. برای تفسیر مدل از نمودارهای SHAP و وابستگی جزئی استفاده شد. نتایج: در مجموع ۲۷٬۷۱۰ نوجوان وارد مطالعه شدند؛ ۵٬۱۶۵ نفر (۱۸٫۶٪) حداقل یک بار اقدام به خودکشی را گزارش کردند. مدل نهایی به AUC اعتبارسنجی مستقل ۰٫۷۹۲۸ (۹۵٪ CI: ۰٫۷۷۹۰–۰٫۸۰۶۶) دست یافت. ۱۸ پیش‌بین برتر بر اساس رتبه‌بندی SHAP، AUC اعتبارسنجی متقاطع ۱۰-تایی تجمعی ۰٫۷۸۶۵ را حفظ کردند. احساس تنهایی تأثیرگذارترین پیش‌بین بود و پس از آن جنسیت، بی‌خوابی، مصرف زودهنگام سیگار، روزهای PE، حمله فیزیکی، مهربانی همسالان مدرسه و فعالیت بدنی قرار داشتند. بی‌تحرکی بدنی و مشارکت پایین در PE ارتباطات غیرخطی با خطر پیش‌بینی‌شده اقدام به خودکشی نشان دادند. نتیجه‌گیری: احساس تنهایی و بی‌خوابی نمایانگر پروفایل آسیب‌پذیری روانی‌اجتماعی بودند، در حالی که بی‌تحرکی بدنی و مشارکت محدود در PE به عنوان شاخص‌های مدرسه‌محور بالقوه اطلاعاتی ظاهر شدند که نیازمند بررسی طولی بیشتر هستند. این یافته‌ها از راهبردهای پیشگیری مبتنی بر طبقه‌بندی خطر که شناسایی روان‌شناختی زودهنگام را با برنامه‌های فعالیت بدنی و تربیت بدنی فراگیر و حمایت‌گر اجتماعی ادغام می‌کنند، حمایت می‌نماید.