la actividad fÍsica, el uso de medios tecnolÓgicos, el

LA ACTIVIDAD FÍSICA, EL USO DE MEDIOS TECNOLÓGICOS, EL RENDIMIENTO

ACADÉMICO Y EL PESO EN LOS ADOLESCENTES ESPAÑOLES:

DESDE EL ENFOQUE TRANSVERSAL AL ESTUDIO LONGITUDINAL

TESIS DOCTORAL

PROGRAMA DE DOCTORADO 3068

Departamento de Educación Física y Deportiva

Presentada por:

Jorge Lizandra Mora

Directores:

Dr. José Devís Devís y Dra. Carmen Peiró Velert

Valencia, Marzo de 2016

LA ACTIVIDAD FÍSICA, EL USO DE MEDIOS TECNOLÓGICOS, EL RENDIMIENTO ACADÉMICO Y

EL PESO EN LOS ADOLESCENTES ESPAÑOLES:

DESDE EL ENFOQUE TRANSVERSAL AL ESTUDIO LONGITUDINAL

PHYSICAL ACTIVITY, SCREEN MEDIA USAGE, ACADEMIC PERFORMANCE AND WEIGHT STATUS IN

SPANISH ADOLESCENTS:

FROM A CROSS-SECTIONAL APPROACH TO A LONGITUDINAL STUDY

TESIS DOCTORAL

PROGRAMA DE DOCTORADO 3068

Departamento de Educación Física y Deportiva

Presentada por:

Jorge Lizandra Mora

Directores:

Dr. José Devís Devís y Dra. Carmen Peiró Velert

Valencia, Marzo de 2016

Este trabajo ha sido presentado en Marzo de 2016 en el Departamento de Educación Física y Deportiva de la Facultad de Ciencias de la Actividad Física y el Deporte de la Universitat de València.

Firmado:

Jorge Lizandra Mora

JOSÉ DEVÍS DEVÍS, DOCTOR EN FILOSOFÍA Y CIENCIAS DE LA EDUCACIÓN POR LA UNIVERSITAT DE VALÈNCIA, y

CARMEN PEIRÓ VELERT, DOCTORA EN PSICOLOGÍA POR LA UNIVERSITAT DE VALÈNCIA,

CERTIFICAN:

Que DON JORGE LIZANDRA MORA ha trabajado bajo nuestra dirección en este Departamento de Educación Física y Deportiva de la Universitat de València, habiendo obtenido y estudiado personalmente el material de su tesis doctoral titulada LA ACTIVIDAD FÍSICA, EL USO DE MEDIOS TECNOLÓGICOS, EL RENDIMIENTO ACADÉMICO Y EL PESO EN LOS ADOLESCENTES ESPAÑOLES: DESDE EL ENFOQUE TRANSVERSAL AL ESTUDIO LONGITUDINAL

Dicho estudio ha sido terminado en el día de la fecha, con todo aprovechamiento, habiendo revisado los que suscriben la presente tesis doctoral y estando conforme con su presentación para ser juzgada.

Valencia, 17 de Marzo de 2016

Fdo: José Devís Devís Fdo: Carmen Peiró Velert

Gracias a mi “Familia” y a la “Escuela”,

pero en especial a ti, Mamá,

la verdadera mujer de mi vida.

“Si no oyes tu sueño, sueña más alto. Si no eres capaz de alcanzarlo, corre más deprisa. Solo cuando lo hayas

alcanzado detente; y respira el tiempo justo para imaginar el siguiente”

Jorge Lizandra.

“What is common to all successful people

is that make a habit of doing things

that other people not willing to do”

“Lo que tienen en común las personas exitosas

es que adquieren el hábito de hacer cosas

que otra gente no está dispuesta a hacer”

(Ear Nightingale)

Índice.

17

ÍNDICE

CONSIDERACIONES PRELIMINARES, SIGLAS Y ACRÓNIMOS .... 25 AGRADECIMIENTOS .............................................................................. 27 INTRODUCCIÓN ...................................................................................... 33 RESUMEN .................................................................................................. 37 ABSTRACT ................................................................................................ 39 Capítulo 1. MARCO TEÓRICO ................................................................. 41 1.1. La salud en la adolescencia. ................................................................ 43 1.2. Actividad física y su relación con la salud ........................................... 46

1.2.1. Beneficios y riesgos de la actividad física para la salud ............. 50 1.2.2. Recomendaciones de actividad física para la salud .................... 55

1.3. Las conductas sedentarias: El uso de medios tecnológicos de pantalla…... ................................................................................................. 58

1.3.1. El desarrollo tecnológico en los últimos años. Consecuencias sociales y para la salud .............................................................. 60

1.3.2. Beneficios y riesgos del uso de medios tecnológicos de pantalla ................................................................................................... 62

1.3.3. Recomendaciones de uso de medios tecnológicos de pantalla . 64 1.4. El rendimiento académico en la adolescencia ...................................... 66 1.5. El estatus de peso en la adolescencia ................................................... 68 1.6. Investigaciones en el estudio de la actividad física, el uso de medios tecnológicos, el rendimiento académico y la obesidad. .............................. 70

1.6.1. La investigación sobre la actividad física en la adolescencia .... 71 1.6.1.1. Estudios de revisión o metaanálisis ............................ 72

1.6.1.2. Estudios de diseño transversal .................................... 73

1.6.1.3. Estudios de diseño longitudinal periódico (tendencia) ....................................................................................... 75

1.6.1.4. Estudios de diseño longitudinal (cohortes) ................. 77

1.6.2. La investigación sobre el sobre uso de medios tecnológicos de pantalla en la adolescencia ........................................................ 86 1.6.2.1. Estudios de revisión o metaanálisis ............................ 86

18

1.6.2.2. Estudios de diseño transversal .................................... 88

1.6.2.3. Estudios de diseño longitudinal periódico (tendencia) ....................................................................................... 91

1.6.2.4. Estudios de diseño longitudinal (cohortes) ................. 92

1.6.3. Las relaciones entre la actividad física y el uso de medios tecnológicos: la hipótesis de sustitución ................................. 103 1.6.3.1. Estudios de revisión o metaanálisis .......................... 104

1.6.3.2. Estudios de diseño transversal .................................. 104

1.6.3.3. Estudios de diseño longitudinal (cohortes) ............... 106

1.6.4. La investigación sobre otras variables relacionadas con la salud de los adolescentes: el rendimiento académico, el estatus de peso y su relación con la AF y el uso de medios tecnológicos. ................................................................................................. 112 1.6.4.1. Actividad física y Rendimiento académico ............... 112

1.6.4.2. Uso de Medios Tecnológicos de Pantalla y Rendimiento académico ................................................................... 114

1.6.4.3. Actividad Física y estatus de peso ............................. 116

1.6.4.4. Uso de Medios Tecnológicos de Pantalla y estatus de peso ............................................................................. 118

1.6.4.5. Actividad Física, Uso de Medios Tecnológicos de Pantalla y estatus de peso ........................................... 119

1.6.5. Conclusiones de la revisión de investigaciones ........................ 121 Capítulo 2. OBJETIVOS Y METODOLOGÍA ....................................... 123 2.1. Objetivos de la investigación y formulación de hipótesis ................ 125 2.2. Diseño de la investigación ................................................................ 128

2.2.1. Diseño transversal ................................................................... 129 2.2.2. Diseño longitudinal ................................................................. 130

2.3. Participantes ...................................................................................... 131 2.3.1. Participantes en el estudio transversal .................................... 131 2.3.2. Participantes en los estudios longitudinales ........................... 133

2.4. Instrumentos de medición ................................................................. 135 2.4.1. Seven-Day Physical Activity Recall (7D-PAR) ..................... 135

19

2.4.2. Adolescent Sedentary Activity Questionnaire (ASAQ) ......... 139 2.4.3. Family Affluence Scale II (FAS II) ........................................ 140 2.4.4. Instrumentos para obtener información sobre el perfil de peso y

el rendimiento académico ....................................................... 142 2.5. Variables de los estudios ................................................................... 142 2.6. Trabajo de campo: procedimiento y ética ............................... 145

2.6.1. Aspectos comunes al trabajo de campo del proyecto EDU 2009-13664 ....................................................................................... 146

2.6.2. Aspectos particulares del trabajo de campo en los estudios longitudinales .......................................................................... 149

2.7. Análisis de datos ................................................................................. 150 Chapter 3. RESULTS & DISCUSSION ................................................... 159 3.1. Introduction ........................................................................................ 161 3.2. Study 1 ................................................................................................ 161

3.2.1. Results ....................................................................................... 162 3.2.3. Discussion ................................................................................. 168

3.3. Study 2 ................................................................................................ 170 3.3.2. Results ....................................................................................... 171 3.3.3. Discussion ................................................................................. 176



Chapter 4. CONCLUSIONS, IMPLICATIONS, LIMITATIONS AND FUTURE RESEARCH QUESTIONS .................................... 195

4.1. Introduction ........................................................................................ 197 4.2. Conclusions ........................................................................................ 197

4.2.1. Study 1: Which health-related or sociodemographic variables are predictors of MVPA and SMU in Spanish adolescents? ........ 197

20

4.2.2. Study 2: Does sedentary behavior predict academic performance in adolescents or the other way round? ................................... 198

4.2.3. Study 3: How have SMU and MVPA evolved after a period of three years? ............................................................................. 198

4.2.4. Study 4: How have adolescents’ behaviors changed regarding the relationships between physical activity and sedentary behaviors three years later and how do they affect to weight status? ..... 199

4.2.5. Contrasting hypotheses ............................................................. 200 4.3. Implications ........................................................................................ 201 4.4. Limitations and further research questions ........................................ 203 REFERENCIAS BIBLIOGRÁFICAS ...................................................... 207 ANEXOS… ............................................................................................... 243

21

RELACIÓN DE TABLAS

Tabla 1. Beneficios y riesgos de la actividad física desde una perspectiva

integrada de la salud .................................................................................... 54

Tabla 2. Diferentes recomendaciones sobre ejercicio físico en niños y

jóvenes ......................................................................................................... 57

Tabla 3. Tabla resumen de las principales investigaciones sobre la actividad

física en la adolescencia .............................................................................. 80

Tabla 4. Tabla resumen de las principales investigaciones sobre el uso de

medios tecnológicos en la adolescencia ...................................................... 96

Tabla 5. Tabla resumen de las principales investigaciones sobre la hipótesis

de sustitución ............................................................................................. 108

Tabla 6. Categorías y actividades sedentarias del Adolescent Sedentary

Activity Questionnaire modificado ........................................................... 141

Tabla 7. Variables utilizadas en cada uno de los estudios. ....................... 145

Tabla 8. Procedencia de los centros educativos que participaron en los

estudios longitudinales. ............................................................................. 147

Tabla 9. Resumen de los principales métodos de análisis de datos.. ........ 156

Table 10. Descriptive statistics of the variables by sex and in the overall

sample ........................................................................................................ 162

Table 11. Bivariate correlations ................................................................ 164

Table 12. Bivariate correlations differentiated by sex. ............................. 165

Table 13. Lineal multiple regression for MVPA. ..................................... 167

Table 14. Lineal multiple regression for SMU. ........................................ 168

Table 15. Descriptive statistics for sedentary behaviors and academic

performance. .............................................................................................. 171

Table 16. Goodness-of-fit indices for the four competing models .......... 173

Table 17. Goodness of fit for the hierarchical multigroup models. ......... 176

22

Table 18. Descriptive statistics for time engaged in physical activity and

use of screen media, and socioeconomic status by group and wave. ....... 180

Table 19. Pearson correlation coefficients among variables .................... 187

Table 20. Descriptive statistics of the neuron values ................................ 188

Table 21. Behavioral characteristics and percentages of change of the

subjects who switched to a cluster of lower weight. ................................. 192

23

RELACIÓN DE FIGURAS

Figura 1. El continuo de la salud ................................................................. 44

Figura 2. El cuadrante de la salud ............................................................... 45

Figura 3. Elementos que definen a la actividad física ................................ 46

Figura 4. La actividad física en relación con la salud. ................................ 48

Figura 5. Relación riesgos-beneficios en función de la cantidad de

actividad. ..................................................................................................... 54

Figura 6. Distribución geográfica de la muestra de partida para el estudio

transversal. ................................................................................................. 133

Figura 7. Proceso de obtención y distribución de la muestra por sexos. .. 134

Figura 8. Distribución geográfica de la muestra potencial y de la muestra

final para los estudios longitudinales. ....................................................... 134

Figure 9. Competing models ..................................................................... 172

Figure 10. Best Model with correlations and standardized structural effects

................................................................................................................... 174

Figure 11. Longitudinal changes by interaction effects ............................ 182

Figure 12. Theoretical path model ............................................................ 182

Figure 13. Definitive model to test displacement hypothesis ................... 183

Figure 14. Component planes of the recorded variables ........................... 187

Figure 15. Distance travelled by the subjects between the two measures. 189

Figure 16. Classification tree. ................................................................... 191

25

CONSIDERACIONES PRELIMINARES, SIGLAS Y ACRÓNIMOS

Nota: avalado por la Real Academia de la Lengua y con el único objetivo de simplificar tanto el lenguaje utilizado como la lectura de este documento, se hará uso de nombres genéricos en masculino (los adolescentes, los estudiantes, los informantes, los participantes), sin la intención de que esto denote ningún tipo de menoscabo o desconsideración ni hacia el género femenino ni hacia cualquier otra identidad de género.

SIGLAS Y ACRONIMOS

AA Academic Activities

AACAP American Academy of Child and Adolescent Psychiatry

AAP American Academy of Pediatrics

AF/PA Actividad Física / Physical Activity

AFL/LPA Actividad Física Ligera / Low Physical activity

AFM/MPA Actividad Física Moderada / Moderate Physical Activity

AFMV/MVPA Actividad Física Moderada-Vigorosa / Moderate to Vigorous Physical Activity

APPs Applications (mobile phone)

ASAQ Adolescent Sedentary Activity Questionnaire

BACH Bachillerato

AVENA Alimentación y Valoración del Estado Nutricional de los Adolescentes Españoles (estudio)

CDC Center for Disease Control and Prevention

CS Conducta(s) sedentaria(s)

ESO Educación Secundaria Obligatoria.

FAS Family Affluence Scale.

26

HBSC Health Behavior in School-aged Children

IMC/BMI Índice de masa corporal / Body Mass Index

MARCA Multimedia Activity Recall for Children and Adolescents

METs Equivalentes Metabólicos

MSSSI Ministerio de Sanidad, Servicios Sociales e Igualdad

NSE/SES Nivel Socioeconómico / Socioeconomic Status

OMS/WHO Organización Mundial de la Salud / World Health Organization

RA/AP Rendimiento académico / Academic Performance

RAE Real Academia Española de la lengua

SA Social-based Activites

SB Sedentary Behavior(s)

SEM Structural Equation Modeling

sIMC /BMI_sds Índice de masa corporal estandarizado / Standardized Body Mass Index

SMS Short message service

SOM Self-Organized Maps

TA Technological-based Activities

TV Televisión

UMTP / SMU Uso de Medios Tecnológicos de Pantalla / Screen Media Usage

YRBSS Youth Risk Behavior Surveillance System

Agradecimientos

27

AGRADECIMIENTOS

Muchas son las veces que he intentado ponerme delante de este apartado de agradecimientos antes de este momento, aunque sabía que no sería capaz de redactarlo sin sentir la emoción de estar cerca de llegar al final de este largo proceso. No obstante, tanto esos intentos, como las numerosas veces que he imaginado como sería el momento de escribir este apartado, me han permitido ir guardando frases, sentimientos, recuerdos que quiero permitirme el lujo de plasmar sin perjuicio de extenderme demasiado, pues considero que la ocasión lo merece.

En un momento tan especial como este, me resulta difícil no echar la vista atrás y recordar el camino que he recorrido hasta llegar a estar escribiendo los agradecimientos de mi tesis doctoral. Para mí sería muy injusto decir que este camino empezó en la universidad o el día que me matriculé en el programa de doctorado. Y lo sería simplemente porque en primer lugar jamás había imaginado llegar hasta aquí, y en segundo lugar porque aunque lo hubiera imaginado, no lo hubiera logrado sin mi familia y sin la escuela.

A los primeros les dedicaré un apartado especial, pero no quería comenzar estos agradecimientos sin acordarme de todos aquellos maestros y maestras, profesores y profesoras que han dedicado parte de su vocación y esfuerzo en ayudarme en mi formación tanto académica como sobre todo personal. Sin el amor Vicenta, mi maestra del parvulario, la paciencia infinita de María la ‘profe’ que más años tuve en primaria y que más veces escribió en mis boletines de notas “Jorge es un niño muy impulsivo, muy nervioso, pero muy trabajador”, adjetivos que hace tiempo asumí que me acompañarán el resto de mi vida. Sin la picardía de Carmen que, con su manera singular de ser, me recordaba una y otra vez las palabras de María o sin el bonachón de Salvador, el primer tutor que destacó mis pocas virtudes, por encima de mis numerosos defectos. Sin José María, el primer profesor que puedo decir que acabara siendo mi amigo. ¡Hasta las notas le ayudaba a poner! Todos ellos fueron profesores del C.E.I.P Lope de Vega de Torrent, colegio público en el que estudié y que recuerdo con cariño cada vez que paso delante de sus puertas.

Agradecimientos

28

Ya en el I.E.S Picanya, tengo un gran recuerdo de todos mis profesores y profesoras, pero guardo un cariño especial por Josep, el primer profesor con el que ‘investigué’, de Pepe, que me enseñó a cuidar la lengua y la literatura, de Mª José, que fue mucho más que una profesora de Matemáticas o de Ana, mi profesora de Educación Física que, aún estando segura de que lo mío era pertenecer a su gremio, nunca se interpuso en mi errada decisión de iniciar los estudios de química. Todas estas personas y alguna más son las que me llevaron en volandas a la universidad.

De la facultad, tengo multitud de recuerdos pero me gusta resumirlos haciendo mías las palabras de mi profesora Ana y decir que fueron los mejores años de mi vida. Allí tuve la posibilidad de aprender, disfrutar y también de descubrir la investigación. Profesores como Melchor, que me explicó cómo hacerme suscriptor de una revista de investigación, o Juan Carlos que fue el primer profesor que confió en mis posibilidades para investigar y al que siempre estaré agradecido. Pero, sin lugar a dudas, los profesores que hicieron que cambiara radicalmente mi manera de ver tanto la actividad física, como el deporte y cuyas enseñanzas sobre su potencial educativo me ayudaron a decidir ser profesor, son precisamente las personas con las que además he tenido la suerte y el placer de compartir mi día a día estos últimos tres años.

Dicho esto, ahora sí puedo centrar mis agradecimientos en todas las personas que, de una u otra manera, han participado o participan tanto en el proceso como en la culminación de esta tesis doctoral.

En primer lugar a los centros educativos, las estudiantes y los estudiantes que cumplimentaron los cuestionarios. Sin su inestimable colaboración obviamente no se podría haber redactado ni una palabra del contenido de este trabajo.

Seguidamente quisiera expresar mi máximo agradecimiento en esta ocasión a mi director Pepe y a mi directora Carme:

Pepe, gracias por haber hecho de esta tesis tu propio trabajo y sobre todo por tu paciencia con mis despistes y con mi poca paciencia para hacer las cosas. Pero ante todo gracias por haberme dado la oportunidad de trabajar con vosotros y de confirmar que este era el camino que quería elegir y si fuera posible continuar.

Agradecimientos

29

Carme, gracias por confiar en que detrás de este carácter demasiado espontáneo, a veces poco prudente e impertinente, estaba una persona luchadora, trabajadora y con mucha ilusión por aprender. Nunca olvidaré que fuiste la persona que me abrió las puertas a la investigación sobre educación y educativa y desde entonces, con la ayuda de Pepe, me has ayudado a dar cada uno de los pasos en este apasionante, aunque a veces duro, mundo académico.

En definitiva, gracias a los dos por ayudarme a encontrar un lugar en el mundo el que poder crecer y conocerme como persona, alejándome un poco más de un destino que nunca me he resignado a aceptar. Un mundo en el que aprender a pensar y a ser más crítico y reflexivo, al mismo tiempo que puedo satisfacer mis inquietudes tanto personales como profesionales.

No me gustaría dejar en el tintero unos sinceros agradecimientos al resto de compañeros y compañeras de la UTPAFIDE, que de diversas maneras me han ayudado, haciéndome más agradable y llevadero el trabajo diario.

No obstante quiero hacer mención especial a Sandra, mi predecesora. Gracias por haberte involucrado tanto desde el principio en este trabajo, por haberme aportado tu experiencia y haber encontrado las palabras adecuadas en las que he encontrado consuelo y sobre todo comprensión, en momentos en los que llegaba a dudar de si estaba teniendo la actitud adecuada en las distintas etapas de la tesis.

A Sofía y Fernando, por haberme acompañado y ayudado durante el trabajo de campo, pero sobre todo por haber compartido conmigo todo este tiempo en la UTPAFIDE.

A Xavi y José Manuel por haberme enseñado y ayudado con el análisis estadístico. Espero seguir contando con vosotros para continuar aprendiendo en ese campo.

A Esther, Rodrigo, Joan, Elena y Javi por estar de una u otra manera en el día a día de este trabajo, por soportar en muchos casos mi ansiedad y mi mal humor, pero gracias especialmente por enseñarme a través de nuestras conversaciones a ver la vida de muchas maneras.

Agradecimientos

30

Como no agradecer a las personas con las que trabajé durante mi estancia en la Leeds Beckett University especialmente a Lorena, por haber sido el sol en la típica oscuridad del Reino Unido. Tu ejemplo, vitalidad y alegría fueron un pilar fundamental durante mi estancia en Leeds.

A los profesores Andrew Sparkes y James McKenna, thank you very much for giving me the opportunity of working at Leeds Beckett University, but specially for your support and nice conversations. Hopefully we come across again in the very close future.

También quisiera tener palabras de agradecimiento para los evaluadores y evaluadoras externos de esta tesis doctoral, por el valioso tiempo que dedicarán, si no lo han hecho ya, de manera desinteresada a revisar este documento, así como a formar parte, esperemos, del tribunal en el día de la exposición y defensa de este trabajo.

Finalmente quiero dedicar un último apartado especial a mi familia y mis amigos más cercanos, porque todos en mayor o menor medida, incluso a veces sin saberlo, habéis sido para mí ese apoyo fundamental para ir transitando por el camino de la vida. No obstante, quiero hacer la última mención especial de estos agradecimientos a las personas sin las que hoy por hoy no sería nadie.

A ti Mamá; si pudiera elegir vivir en este mundo, solo lo haría si tú me engendraras. Soy quien soy porque tú te empeñaste, con todo el amor, la paciencia y la inteligencia natural que te caracteriza. Gracias por enseñarme a contar hasta diez, aunque no siempre lo haga, pero sobre todo gracias por apoyarme en todo aquello que hago. Siempre me he quejado de que a veces no sabíais muy bien a lo que me dedicaba, pero te aseguro que tus ánimos y el interés por como llevaba la tesis durante los últimos meses han sido una vez más esenciales para haberla podido acabar.

A ti Papá; me guste más o me guste menos estoy hecho a tu imagen y semejanza. La manera de hablar, de relacionarme, hasta de caminar. Ese veneno que me corre por las venas y que me da tantos problemas, es el mismo que me impide rendirme ante las dificultades y tirar hacia delante, cueste lo que cueste y venga lo que venga, pareciendo el más valiente aunque no tenga ni idea de hacia dónde tirar. En definitiva, sin tu esencia, no sería yo. Gracias

Agradecimientos

31

también por inculcarme la pasión por el deporte. No he llegado a ser un futbolista profesional, pero espero que estés orgulloso de mí a pesar de todo.

A mis hermanos, Pedro Jesús y David. Al primero por ser el espejo donde mirarme y al segundo por ser el reflejo en el que admirarme. Gracias por haber compartido vuestra vida conmigo, sois dos de los pilares que equilibran mi vida. Mi hermano mayor es la prudencia y el buen hacer que jamás llegaré a tener y mi hermano pequeño, la frescura y mi alegría de vivir. Si de algo estoy orgulloso, no es tanto de lo que hemos aprendidos juntos sino de lo que día a día nos enseñamos. Espero seguir contando con vosotros porque hemos conseguido mucho, pero nos queda mucho todavía por lograr.

Y como no, a ti Rosella. Gracias por haber sido lo suficientemente valiente como para derribar los muros de cristal que durante años separaban a dos amigos del instituto que, desde la primera mirada hace 16 años, supieron que habían nacido para estar juntos. Gracias también por haberme acompañado tan intensamente en este último año de trabajo. Espero que este sea uno de los muchos que nos quedan por compartir.

También quiero agradecer a Raül, por haber contribuido a este trabajo de una manera tan singular, diseñando la portada de la tesis y a Margarida por haberse comprometido a ayudarme a preparar la parte de la exposición de la tesis en inglés.

En definitiva gracias a la vida, a la familia y la escuela por haber ayudado a llegar hasta este momento, pero sobre todo gracias por haberme enseñado a ser una persona justa, honrada y capaz de desenvolverme tanto en el plano personal como profesional.

Introducción

33

INTRODUCCIÓN

La presente tesis doctoral supone una continuación del trabajo desarrollado en el proyecto de investigación EDU-2009-13664. El proyecto se titula “Estilo de vida activo, uso de medios tecnológicos y obesidad en adolescentes”, siendo investigadora principal del mismo la Dra. Carmen Peiró Velert, codirectora de esta tesis doctoral. Una vez finalizado el proyecto, se consideró oportuno volver a iniciar el trabajo de campo para recoger una segunda toma de datos de entre los adolescentes que habían participado previamente. Esta continuación del trabajo realizado en el proyecto anterior me permitió acceder a la ayuda del programa VALi+d para personal investigador en formación de carácter predoctoral de la Generalitat Valenciana, ayuda de la que disfruto desde el 1 de junio de 2013 y que finalizará el 31 de mayo de 2016. Este trabajo tutelado por el Dr. José Devís Devís ha sido la primera incursión del grupo de investigación en los estudios longitudinales de diseño prospectivo de cohortes. De ahí que el objetivo principal de esta investigación sea conocer las relaciones y la evolución de cuatro de las variables que tienen una relevancia notable en el desarrollo saludable de los adolescentes (la actividad física, el uso de medios tecnológicos de pantalla, el rendimiento académico y el estatus de peso), al mismo tiempo que se exploran distintos aspectos personales y sociodemográficos que puede condicionar dichas conductas saludables en esta población.

En concreto, este estudio recoge el trabajo más reciente de los desarrollados dentro de la línea de investigación de “Actividad física y salud” que mantiene el grupo al que pertenezco, la Unidad de Investigación de Teoría y Pedagogía de la Actividad Física y el Deporte-UV-0657 de la Universitat de València (http://utpafide.blogspot.com.es/). Se trata de una línea de investigación que se inició en los años noventa y que sigue vigente en la actualidad. Del trabajo realizado a lo largo de estos años, se han obtenidos varias tesis doctorales así como diversas publicaciones. De las tesis defendidas destacan la dirigida por el Dr. José Devís (Cantera, 1997), que resultó en varias publicaciones (Cantera y Devís, 2000; Cantera y Devís, 2002) y las codirigidas por el Dr. José Devís y la Dra. Carmen Peiró (Beltrán-Carrillo, 2009; Valencia-Peris, 2013) de las que también han derivado varias publicaciones (Beltrán-Carrillo, Devís-Devís, Peiró-Velert, 2012; Beltrán-

Introducción

34

Carrillo, Devís-Devís, Peiró-Velert y Brown, 2012; Devís-Devís, Beltrán-Carrillo y Peiró-Velert, 2015; Peiró-Velert, Valencia-Peris, González, Garcia-Massó, Serra-Añó y Devís-Devís, 2014; Valencia-Peris y Devís-Devís, 2014; Valencia-Peris, Devís-Devís, García-Massó, Lizandra, Pérez-Gimeno y Peiró-Velert, en prensa). Cabe señalar que los datos de estas tesis y sus publicaciones correspondientes, así como los de otros tres artículos científicos (Devís-Devís, Peiró-Velert, Beltrán-Carrillo y Tomás, 2009; Devís-Devís, Peiró-Velert, Beltrán-Carrillo y Tomás, 2012; Peiró-Velert, Devís-Devís, Beltrán-Carrillo y Fox, 2008) proceden de dos proyectos financiados sobre niveles de actividad física y uso de medios tecnológicos con adolescentes de 12 a 16 años y de 17 a 18 años de la Comunidad Valenciana, así como del proyecto competitivo mencionado anteriormente (EDU-2009-13664) con adolescentes de distintas zonas del estado español.

La investigación de esta tesis se enmarca en el área de epidemiología de la actividad física. Concretamente pertenece a la línea de estudios que se encargan de analizar tanto el tiempo de práctica de distintos tipos de actividad física como el dedicado al uso de medios tecnológico de pantalla, así como los efectos que pudieran tener sobre el rendimiento académico o el estatus de peso de los jóvenes. El principal propósito de esta línea de investigación es compendiar una información que sirva para guiar, sustentar y mejorar las estrategias de intervención de aquellas campañas dirigidas a la promoción de la actividad física y a la reducción de las conductas sedentarias a lo largo de esta etapa vital, elementos considerados esenciales para la adquisición de conductas saludables que se transfieran a la etapa adulta.

Las principales aportaciones de esta tesis doctoral son dos:

1) En primer lugar, la incorporación de una segunda medida de estudio a la información de la que ya disponíamos, elemento que nos ha permitido progresar del enfoque transversal a la realización de diversos estudios de seguimiento ‘follow-up’;

2) En segundo lugar, la utilización de diferentes métodos para el análisis de los datos. Este aspecto, junto al desarrollo de los estudios longitudinales, consideramos que dotan de un valor singular a este trabajo.

Introducción

35

Los lectores pueden hacerse una idea de la estructura y contenido de esta tesis doctoral con el resumen que se presenta a continuación, así como con el índice que figura al inicio de este documento.

Resumen

37

RESUMEN

Esta tesis doctoral está compuesta de cuatro estudios, uno transversal y tres longitudinales. Una muestra representativa de 3.095 adolescentes españoles, de 12 a 18 años, fue encuestada en el estudio transversal. Este estudio tuvo como objetivo analizar el carácter predictivo de ciertas variables relacionadas con la salud y otras variables sociodemográficas sobre la actividad física moderada-vigorosa y el uso de medios tecnológicos de pantalla en adolescentes. Una muestra de 755 adolescentes (407 chicas y 348 chicos), con edades comprendidas entre 14 y 19 años, participó en tres estudios prospectivos de cohorte. Estos estudios longitudinales tenían como objetivo examinar los cambios en el tiempo que los adolescentes dedican a la actividad física, el uso de los medios tecnológicos de pantalla y otras conductas sedentarias, así como cambios en el rendimiento académico y el peso. También se analizaron las variaciones en función del sexo, el nivel socioeconómico y los grupos de edad de la adolescencia.

Los resultados de los análisis de regresión del Estudio 1 (el transversal) mostraron que a mayor edad los adolescentes dedicaban menos tiempo a la actividad física moderada-vigorosa (AFMV), mientras que a mayor nivel socioeconómico más tiempo le dedicaban a la AFMV. Ver la tv/vídeo también predijo la AFMV en los niños, es decir, cuanto más tiempo veían la tv/vídeo menor era el tiempo que dedicaban a la AFMV. También fue relevante la relación negativa entre el rendimiento académico (RA) y el uso de los medios tecnológicos de pantalla (UMTP) en toda la muestra y las relaciones positivas entre el estatus de peso y la AFMV en las niñas.

Los resultados del Estudio 2 mostraron un efecto de predicción longitudinal de RA en el tiempo dedicado a las conductas sedentarias (CS) tres años más tarde. En particular, cuanto mayor era el RA mayor era el tiempo dedicado a actividades académicas (AA) y menor el tiempo dedicado a las actividades sociales (AS). Además, los adolescentes que más tiempo dedicaban a las actividades tecnológicas (AT) menor le dedicaban a AA.

Los análisis de los Modelos de Ecuaciones Estructurales del Estudio 3 revelaron una reducción del tiempo de participación en AFMV (particularmente las niñas) y un aumento del tiempo dedicado a la UMTP

Resumen

38

(particularmente los varones), especialmente en el uso de la telefonía móvil, durante el periodo de tiempo de tres años. Los hallazgos sugieren una hipótesis de desplazamiento diferido entre UMTP y el tiempo dedicado a AFMV en los niños, pero no en las niñas.

Los resultados de las migraciones de los participantes en el Clustering de Mapas Auto-Organizados (SOM) del Estudio 4 mostraron que el 22,66% de los adolescentes con sobrepeso u obesidad reduce su índice de masa corporal en comparación con la medida tomada tres años antes. Sin embargo, sus características de comportamiento de la actividad física y los hábitos sedentarios no proporcionan una clara explicación de esta reducción de peso.

Los resultados de esta investigación han permitido avanzar en la comprensión de las relaciones entre la actividad física, las conductas sedentarias, el rendimiento académico y el peso en la adolescencia. Sin embargo, los valores de predicción o causalidad que se encuentran son moderados. Por lo tanto, parece necesario continuar profundizando en el estudio de las interrelaciones entre estas variables, en las que sería deseable desarrollar estudios longitudinales con un mayor número de registros. De esta manera, sería posible lograr un más amplio seguimiento del comportamiento de los adolescentes españoles que arroje más luz sobre algunos de los resultados obtenidos con esta investigación.

Abstract

39

ABSTRACT

This PhD dissertation consists of four studies, one cross-sectional and three longitudinal studies. A nationally representative sample of 3,095 Spanish adolescents, aged 12 to 18, was surveyed in the cross-sectional study. This study aimed to analyse health-related and sociodemographic variables as predictors of moderate-to-vigorous physical activity and screen media usage in adolescents. A sample of 755 adolescents (407 girls and 348 boys), aged between 14 and 19, participated in three prospective cohort studies. These longitudinal studies aimed to examine changes in time adolescents engaged in physical activity, screen media usage and other sedentary behaviors, as well as changes in their academic performance and weight status. Variations as a function of sex, socioeconomic status and age groups of adolescence were also analyzed.

The results of regression analyses from Study 1 (the cross-sectional one) showed that the older the adolescents the less time they devoted to moderate-to-vigorous physical activity (MVPA), while the higher their socioeconomic status the longer they engaged in MVPA. TV/video watching also predicted MVPA in boys, thus the more time they watched TV/video the less time they engaged in MVPA. It was also relevant the negative relationships between academic performance (AP) and screen media usage (SMU) in the entire sample and the positive relationships between weight status and MVPA in girls.

The findings from Study 2 showed a longitudinal prediction effect of AP on time engagement in sedentary behaviours (SB) three years later. In particular, the higher the AP the higher the time spent on academic activities (AA) and the lower on social-based activities (SA). Also, the more time adolescents engaged in technological-based activities (TA) the less time they devoted to AA.

Analyses of Structural Equation Modeling in Study 3 revealed a reduction of time engagement in MVPA (particularly girls) and an increase of time spent on SMU (particularly boys), especially in the use of mobile phone, in a three-year time period. Findings suggested a deferred

Abstract

40

displacement hypothesis between SMU and time spent on MVPA in boys but not in girls.

The results from the migrations of participants in a clustering Self-Organized Maps Analysis in Study 4 showed that 22.66% of adolescents with overweight or obesity reduced their body mass index compared to the measurement taken three years earlier. However, their behavioural characteristics of physical activity and sedentary behaviors do not provide a clear explanation of this reduction in weight.

The findings of this research have allowed advancing on the understanding of the relationships among physical activity, sedentary behaviour, academic performance and weight status in adolescence. However, prediction or causality values found are moderate. Therefore, it seems necessary to continue to deepen the study of the interrelationships between these variables, in which it would be desirable to develop longitudinal studies with a greater number of records. In this way, it would be possible to achieve a more comprehensive follow-up of the Spanish adolescents’ behavior, which sheds light on some of the results obtained with this research.

Capítulo 1. MARCO TEÓRICO

Marco teórico

43

1. MARCO TEÓRICO

1.1. La salud en la adolescencia

Como ya se ha comentado previamente, esta investigación se focaliza en la etapa vital de la adolescencia. Además, el carácter longitudinal de la misma hace que la preocupación no esté únicamente centrada en la etapa en sí, sino en los cambios que pueden ocurrir en relación con las variables del presente estudio, dada la implicación que estas tienen sobre la salud presente y futura de los adolescentes.

La adolescencia se define como el periodo de transición entre la niñez y la edad adulta, caracterizado por grandes cambios físicos, psíquicos y sociales y comportamentales, que van dando forma a su identidad personal (Arnold Eysenck, y Meili, 1979; Calvo, 1992; Gervilla y Quero, 1988). La literatura muestra cierto consenso en diferenciar tres etapas durante la adolescencia: la adolescencia temprana desde los 10 a los 13 años, seguida de una fase intermedia entre los 14 y los 16 años y finalmente una etapa tardía de los 17 a los 19 años (AACAP, 2008). Además, desde el punto de vista conductual, la adolescencia temprana se caracteriza por el descubrimiento y el conocimiento de nuevas maneras de comportarse alejadas del seno familiar, mientras que la etapa intermedia es considerada de alto riesgo debido a la posibilidad de incorporar hábitos o conductas que pudieran ser perjudiciales para su salud. En cambio, la adolescencia tardía parece caracterizarse por la consolidación de los hábitos de vida, con la consecuente posibilidad de que éstos se transfieran a la etapa adulta. Así pues, los cambios que puedan suceder durante las distintas etapas de la adolescencia podrán tener una repercusión en mayor o menor medida relevante para su salud. De ahí la conveniencia de definir y conocer de manera amplia el concepto de la salud y su relación con la adolescencia.

Cuando se hace referencia al concepto ‘salud’ frecuentemente se entiende como la ausencia de ‘enfermedad’, que sería el término antagónico. Paradójicamente, la Organización Mundial de la Salud (O.M.S.) ya desde su constitución en 1946 ofreció una definición más amplia postulando que la salud es “salud es un estado de completo bienestar físico, mental y social, y no solamente la ausencia de afecciones o enfermedades” (1946, p. 1). Por tanto, esta definición vigente en la actualidad aunque menos conocida en el

Capítulo 1

44

ámbito cotidiano, incorpora al concepto de salud tres dimensiones esenciales, la dimensión física, la mental y la social, dotándolo de un sentido no sólo amplio sino dinámico, dado el marcado carácter cambiante de estas dimensiones. No obstante, ambas definiciones tienen en común la capacidad de diferenciar entre un aspecto positivo (bienestar) y otro negativo (enfermedad) de la salud. Esta percepción permitiría profundizar en la comprensión del fenómeno desde diferentes perspectivas. Por ejemplo, se podría entender la salud como un continuo que transita entre el aspecto positivo y el negativo, tal y como se muestra en la Figura 1.

Figura 1. El continuo de la salud. Fuente: Salleras (1985, en Devís, 2001)

Cabe indicar que esta manera de entender el concepto de salud, aunque contempla la existencia de distintos niveles a lo largo del continuo, presenta una línea divisoria entre enfermedad y bienestar que de alguna manera resta complejidad al constructo de la salud. En cambio, la realidad demuestra que mantener un estado de salud ideal tanto físico, mental y social, resulta difícil en determinados momentos de la etapa vital, por lo que parece tener sentido que una misma persona pueda convivir con distintos grados de bienestar y enfermedad. Por esta razón resulta conveniente representar la salud con la suficiente complejidad como para recoger las posibles combinaciones y grados que puedan darse dentro de los extremos del continuo anterior (Devís, 2001).

En la Figura 2 puede observarse un doble continuo entre bienestar y enfermedad a partir del que se distinguen cuatro cuadrantes situaciones en el que tienen cabida tantas situaciones de salud como puntos cabrían en el plano. En el primer cuadrante se encontrarían aquellas personas que poseen niveles de alto bienestar y baja enfermedad. Este cuadrante representaría el estado de salud más deseable. El segundo cuadrante incluiría a aquellas

Marco teórico

45

personas con diversos grados de alto bienestar y alta enfermedad. En esa situación podría haber personas que aun sintiéndose bien, podrían estar desarrollando una enfermedad. O también personas conscientes de su enfermedad que se encuentran en buenas facultades físicas o emocionales. El tercer cuadrante sería el que contemplaría las personas que además de estar enfermas, carecen de bienestar o tienen bajo bienestar, siendo éste el peor estado de salud posible. Finalmente, en el último cuadrante estarían las personas que, en ausencia de enfermedad, muestran niveles bajos de bienestar, bien sea por sentirse infelices o poco realizadas en su vida.

Figura 2. El cuadrante de la salud. Fuente: Downie, et al. (1990, en Devís, 2000)

Por tanto, en esta manera de aproximarse al concepto de salud destaca el hecho de que las personas pueden presentar niveles distintos de salud a lo largo de su ciclo vital, en función de la combinación que en cada momento se tenga de los aspectos positivos y negativos de la salud, sin olvidar que ese estado de salud precisa a su vez de un equilibrio de las dimensiones física, psíquica y social. Además, conviene añadir que el nivel de salud no va a depender únicamente de factores personales, más o menos controlables, sino que existen otro tipo de condicionantes externos de tipo social y medioambiental que, directa o indirectamente, influyen sobre la salud de las personas. Este hecho invita a pensar que el concepto de salud es tan amplio y complejo que cualquier definición posible acaba convirtiéndose en una aproximación al concepto. Este es el caso de la definición siguiente que intenta acercarse a dicha complejidad:

Capítulo 1

46

“La salud es el logro del elevado nivel de bienestar físico, mental, social y de capacidad de funcionamiento, así como del reducido nivel de enfermedad que permitan los cambiantes y modificables factores políticos, sociales, económicos y medioambientales en los que vive inmersa la persona y la colectividad” (Devís, 2000, p. 16).

1.2. Actividad física y su relación con la salud

La literatura define habitualmente el término actividad física (AF) como cualquier movimiento corporal realizado mediante los músculos esqueléticos que lleva asociado un gasto energético superior al metabolismo basal (Blair, Kohl, Gordon y Paffenbarger, 1992; Bouchard, Shephard, Stephens, Sutton y McPherson, 1990; Caspersen, Powell y Christenson, 1985). Sin embargo, no todo movimiento corporal debería considerarse AF, al menos no desde una perspectiva amplia. Como señala Newell (1990), el movimiento debe ser considerado una condición necesaria pero no suficiente para que se realice AF porque debería requerir, al menos, la existencia de cierta intencionalidad en la acción. Así, los movimientos no intencionados, tales como los movimientos reflejos, no se considerarían AF. No obstante, aun contemplándose el requisito de la intencionalidad, la definición no iría más allá de la dimensión biológica del concepto cuando la AF, desde el momento que es realizada por personas, necesariamente atesora una dimensión personal y otra sociocultural. Por tanto, cualquier intento por explicar y definir la AF debería integrar las tres dimensiones mencionadas (ver Figura 3).

Figura 3. Elementos que definen a la actividad física. Fuente: Devís y Peiró (2001)

Marco teórico

47

Así pues, la AF no sólo es un movimiento corporal intencionado que se realiza con los músculos esqueléticos y lleva asociado un gasto de energía, sino que también supone una experiencia personal, dada la capacidad de movimiento que le proporciona su naturaleza corporal. Esta experiencia le permite relacionarse con el entorno y adquirir conocimientos tanto del entorno como de su propio cuerpo. Además, la AF cuando se realiza en interacción con otras personas adquiere además una dimensión social, aspecto que adquiere también cierta relevancia. Por tanto, considerando estos nuevos aspectos la AF podría definirse como “cualquier movimiento corporal intencionado que se realiza con los músculos esqueléticos, resulta en un gasto de energía y en una experiencia personal, y nos permite interactuar con los seres y el ambiente que nos rodea.” (Devís, 2001. p.299).

Cabe indicar que el concepto amplio de AF resulta muy adecuado para las estrategias de promoción del ejercicio físico y el deporte, dos tipos especiales de AF. El primero de ellos puede entenderse como “la actividad física planificada, estructurada y repetitiva que tiene por objeto la mejora o el mantenimiento de uno o más componentes de la condición física” (Caspersen et al., 1985, p. 128). En cambio, el segundo, es decir el deporte, en su sentido más estricto, hace referencia a actividades físicas competitivas, reglamentadas e institucionalizadas (Coakley, 1990; Parlebas, 1989). Con el término generalista de AF podemos hacer referencia a diversos tipos de prácticas. Por ejemplo, podemos referirnos a rutinas cotidianas que Dumazedier (1964) denominaba ‘semiocios’ como planchar la ropa o realizar la compra y a otras actividades de ocio y tiempo libre, tales como pasear, correr o patinar. Además el término amplio de AF permite que muy diversos tipos de personas, con diferentes capacidades motrices, puedan implicarse en algunos tipos de actividad sin considerarse deportistas que se implican con un cierto nivel de exigencia.

Por lo que respecta a la relación entre AF y salud, Devís y Peiró (2001) distinguen tres posibles funciones atribuibles a la AF: la AF como un elemento rehabilitador; como un elemento preventivo; y como elemento de bienestar (ver Figura 4).

La percepción de la AF como elemento rehabilitador le atribuye en cierta medida un papel sanador, como el que pudiera tener un medicamento.

Capítulo 1

48

En este caso la AF serviría como instrumento para recuperar una determinada función corporal consecuencia, por ejemplo, de una lesión.

Respecto a la función preventiva, en este caso se utiliza la AF para minimizar el riesgo de que aparezcan lesiones o enfermedades. Así pues, el cuidado de la postura corporal o la seguridad en la realización de determinados ejercicios físicos, son roles que se le atribuyen a esta función. Además, participa en la reducción de posibilidades de aparición de enfermedades asociadas a la inactividad, como las de tipo cardiovascular, la osteoporosis e incluso la depresión.

Finalmente la función de bienestar amplía las relaciones de la AF con la salud a un plano que se aleja de la enfermedad para centrarse en un rol orientado al desarrollo personal y social. En este caso la AF se percibe como un elemento que contribuye a mejorar la percepción de la calidad de vida de las personas, pero a diferencia de las funciones anteriores, sin un afán instrumental sino que es el propio hecho de realizar AF el que genera satisfacción.

Figura 4. La actividad física en relación con la salud. Fuente: Devís y Peiró (2001)

Cabe indicar que las tres funciones no necesariamente deben

permanecer aisladas, sino que en muchos casos están relacionadas. Por ejemplo, cuando una persona recupera la funcionalidad completa de una extremidad, aumenta su bienestar. Del mismo modo que quien realiza AF con el único fin de disfrutar está, a su vez, previniendo la posibilidad de sufrir una enfermedad o compensando algún desequilibrio corporal que pudiera tener por una lesión anterior. Además, aquel que practica AF para reducir su peso y evitar problemas cardiovasculares futuros, está ganando capacidad funcional y siente bienestar personal. Por tanto, puede observarse que la AF

Marco teórico

49

tiene un efecto tridimensional sobre la persona que la practica, ya que a los beneficios físicos atribuibles tanto desde la perspectiva rehabilitadora como preventiva y de bienestar, hay que añadirle los efectos positivos ya no solo a nivel interno sino también a nivel relacional con otras personas que comparten una concepción de vida similar.

Finalmente, otro elemento que conecta la AF con la salud es la intensidad con la que se realiza. Dicho de otra manera, no solo es cuestión de optar por un tipo u otro de AF, sino que es conveniente tener en cuenta la intensidad con la que se realiza y los efectos que puede tener dicha actividad sobre la salud de la persona.

Como ya se mencionó anteriormente, una determinada AF lleva asociada un determinado gasto de energía, tradicionalmente medido en ‘Equivalentes Metabólicos’ (Metabolic Equivalents, METs) (ACSM, 2000). No obstante, la estimación del gasto calórico durante el ejercicio resulta un tema problemático para los profesionales de la AF, entre otros motivos porque la cantidad de energía consumida con una determinada actividad, dependerá de la intensidad con la que pueda realizarse dicha actividad. Por tanto, considerando la intensidad de la AF podrían diferenciarse hasta cuatro tipos de AF: la AF ligera, la AF moderada, la AF vigorosa y la AF muy vigorosa (Sallis y Patrick, 1994).

La AF ligera (AFL), también conocida como AF residual o testimonial, aglutina a los movimientos o desplazamientos de baja intensidad. En la práctica, se considera como el movimiento cotidiano que no corresponde a estar sentado y tampoco a un movimiento moderado. Un ejemplo podría ser el desplazamiento utilitario que realizamos caminando.

La AF moderada (AFM) se considera aquella actividad que genera un esfuerzo medio superior a la actividad física ligera sin llegar a alcanzar altas intensidades, como, por ejemplo, caminar a paso rápido (Sallis y Patrick, 1994). Esta actividad ya provoca determinadas adaptaciones fisiológicas que hacen qua aumente la frecuencia cardiaca y respiratoria y que incluso dificulte mantener una conversación con otra persona. Este tipo de intensidad ya proporciona beneficios saludables en niños y adolescentes y es alcanzable y fácil de introducir en la rutina de los adolescentes.

Capítulo 1

50

Como AF vigorosa (AFV) ya se consideraría actividades que requieren un esfuerzo importante y que tienen una mayor adaptación fisiológica. Serían actividades de intensidad mayor que el caminar rápido y que se acercan a la intensidad de la actividad de correr (Sallis y Patrick, 1994). Existe literatura que indica que este tipo de intensidades son las que provocan adaptaciones fisiológicas significativas tanto física (Hopkins et al., 2009; Sardinha, Baptista y Ekelund, 2008) como psicológicas (Parfitt, Pavey y Rowlands. 2009), por lo que sería conveniente realizarlas siempre que fuera posible.

Finalmente, la AF muy vigorosa es aquella cuya intensidad, percepción del esfuerzo y adaptación fisiológica es similar o superior a la correspondiente al realizar carrera continua mantenida. Aunque este tipo de actividades pueden proporcionar iguales o mayores beneficios que la AF moderada y la vigorosa, conviene controlar la intensidad en etapas de desarrollo como la adolescencia. De ahí que autores como Janssen y Leblanc (2010) o Strong et al. (2005), recomienden que la actividad que se realice vaya de moderada a vigorosa, incorporando siempre que sea posible la actividad vigorosa. Del mismo modo, la mayoría de la bibliografía hace referencia al término conocido como actividad física moderada-vigorosa (AFMV).

1.2.1. Beneficios y riesgos de la actividad física para la salud

Conocer tanto los beneficios como los riesgos de la AF ayuda sensiblemente a comprender su relación con la salud. A pesar de que suele ser más habitual enfatizar las bondades de la AF, conviene saber que existen ciertos riesgos cuyo conocimiento contribuye a poder evitarlos o reducirlos. Así pues, la AF realizada será saludable en la medida en que su práctica aporte el máximo beneficio y el mínimo de riesgo (Devís, 2000). Por tanto, en este apartado se expondrán los principales beneficios y riesgos presentes en la literatura en relación con la AF, así como la relación entre ambos, con el fin de ayudar al lector a entender mejor el potencial saludable de la AF.

El análisis de la literatura especializada en la niñez y la adolescencia sobre AF y salud destaca los numerosos beneficios que se le atribuyen a la

Marco teórico

51

AF (Almond y McGeorge, 1997; Archer, 2014; Biddle, Sallis y Cavill, 1998; Cale y Harris, 2004; Dishman et al., 2006; Pate y Hohm, 1994).

Cantera y Devís (2002) señalan una serie de beneficios saludables de la AF, entre los que a corto plazo estarían desde beneficios fisiológicos como el crecimiento óseo a mejoras psicológicas como el aumento de autoestima. Además, la AF realizada en la juventud parece ejercer también una influencia a largo plazo sobre el estilo de vida que facilita que el hábito adquirido se mantenga en la etapa adulta (Malina, 2001; Raitakari, Porkka, Taimela, Telama, Rasanen y Viikari, 1994).

Janssen y Leblanc (2010) realizaron una revisión sistemática desde un paradigma más biomédico, en la que hacían referencia a lo que llamaron ‘los 7 indicadores de salud’: síndrome metabólico, colesterol, aumento de la tensión arterial, obesidad, mineralización ósea, depresión y lesiones. Teniendo este dato en consideración, la literatura muestra numerosos estudios en los que se muestra la incidencia que tiene la AF sobre estos indicadores y, por tanto, sobre la salud (Archer, 2014; Boreham y Riddoch, 2001; Delgado y Tercedor, 2002; Janssen y Leblanc, 2010; Melzer, Kayser y Pichard, 2004; Strong et al., 2005; Varo et al., 2003).

Estos planteamientos, más vinculados a perspectivas tanto preventivas o rehabilitadoras de la enfermedad, pueden ser complementarios a una orientación de la AF en la práctica esté más orientada a la búsqueda del bienestar general. Al mismo tiempo, si la AF no se entiende sin considerar sus dimensión corporal, personal y socioculural (Devís y Peiró, 2001), estos beneficios y riesgos afectarán tanto a aspectos internos (fisiológicos y psicológicos) como externos (sociales).

Dicho esto, la AF aporta una serie de beneficios fisiológicos como la reducción del nivel de colesterol y el control del peso (Sugiyama, Xie, Graham-Maar, Inoue, Kobayashi y Stettler, 2007), así como la protección ante posibles problemas cardiovasculares (Mitchell y Byum, 2014). A nivel osteoarticular contribuye al buen desarrollo del sistema músculo-esquelético, mejorando el tono muscular y reduciendo con ello lesiones a corto y medio plazo o enfermedades a largo plazo como la osteoporosis (Borer, 2005). Respecto a los beneficios psicológicos, contribuye al tanto al bienestar interno, reduciendo el estrés o la ansiedad o mejorando la

Capítulo 1

52

autoestima (Dishman et al., 2006). Al mismo tiempo, la AF puede servir como elemento preventivo y/o rehabilitador de enfermedades como la depresión (Archer, 2014). A nivel social, la AF contribuye a la mejora de las relaciones sociales. Al tratarse de un medio en el que predomina la interacción entre personas, facilita tanto la posibilidad de estrechar relaciones sociales como el propio bienestar de personas que, aun pudiendo ser más introvertidas, logran sentirse bien junto a otras personas.

Como la AF también puede representar ciertos riesgos, se exponen los más relevantes que recoge la literatura, siguiendo la misma agrupación del apartado de beneficios (Adams y Kirkby, 2003; Delgado y Tercedor, 2002; Melzer et al., 2004; Pastor, Balaguer y García-Merita, 2006; Pérez-Samaniego, 2000; Suay, Ricarte y Salvador, 1998).

Los principales riesgos fisiológicos vinculados a la AF suelen estar relacionados con problemas en la ejecución, ya sea por realizar movimientos inapropiados o por fallos en el control de la actividad (Honkonen et al., 2006). En otros casos puede deberse al efecto de realizar AF en condiciones meteorológicas inadecuadas (temperaturas extremas o alta humedad relativa). En este tipo de situaciones las lesiones más comunes suelen ser lipotimias, mareos o golpes de calor, asociados a los efectos de la deshidratación o de problemas con la termorregulación (Martín, 2009). En cambio los problemas asociados a errores en la ejecución o en el control de variables como el volumen, la intensidad o la capacidad física de base pueden ir desde los más leves y fortuitos como las lesiones músculo-esqueléticas, normalmente producidas por traumatismos, hasta la aparición del síndrome de sobreentrenamiento o ‘burn out’ (McCann, 1995). Este síndrome suele darse por alteraciones de la homeostasis corporal producidas por el mantenimiento prolongado de altas cargas de entrenamiento junto con intervalos de descanso insuficientes, que acaban por provocar en la personas una sensación continua de cansancio. El riesgo más grave sería la aparición de problemas cardiovasculares como la muerte súbita durante la práctica de AF, aunque este tipo de situaciones dramáticas suelen ocurrir normalmente de manera fortuita, y asociadas normalmente a causas congénitas (Suay, Ricarte y Salvador, 1998).

En cuanto al riesgo psicológico suele darse en situaciones en las que los practicantes sufren de adicción o dependencia del ejercicio. En estos casos

Marco teórico

53

se dedica excesivo tiempo a la AF, que se realiza a menudo en solitario, anteponiéndose a otros aspectos relevantes de la vida (Adams y Kirkby, 2003). Además, la práctica excesiva de AF también puede estar vinculada a la aparición de trastornos alimentarios como la anorexia o la bulimia nerviosa (Blasco, García-Merita y Balaguer, 1993; Toro, 1996).

Finalmente, los riesgos sociales suelen surgir, como en el caso de los beneficios, por el carácter interactivo de la propia AF. Compartir un espacio con otras personas tiene como consecuencia implícita y directa estar expuesto ante los demás y esta exposición suele llevar casi de forma irremediable a la comparación tanto interpersonal como intrapersonal. El problema radica principalmente cuando en este contexto participan personas con niveles heterogéneos de habilidad o competencia motriz. En estos casos, las personas que se perciben menos competentes pueden experimentar situaciones de vulnerabilidad que podrían por un lado deteriorar su nivel de auto-concepto (Pastor, Balaguer y García-Merita, 2006) a la vez que podrían producirse situaciones sociales de discriminación o marginación provocadas por aquellos que se perciben más competentes (Coleman y Hendry, 1994). Finalmente, la AF realizada en entornos sociales que pueden ser individualmente percibidos como hostiles, puede acrecentar el sentimiento de insatisfacción con la imagen corporal de aquellas personas que tienen por ejemplo sobrepeso u obesidad (Martínez y Veiga, 2007).

Una vez descritos los principales beneficios y riesgos de la AF (ver resumen en Tabla 1), conviene indicar que, como puede verse en la Figura 5, a medida que se aumenta la intensidad de AF, suelen aumentar los beneficios pero también los potenciales riesgos. De ahí que el conocimiento de los mismos sea crucial para valorar el fin saludable de la AF, en la que los beneficios sean muy superiores a los riesgos (Devís, 2000).

En resumen, cuando se entiende la AF como un hábito relacionado con la salud para la búsqueda del bienestar, en lugar de para evitar únicamente la enfermedad, y cuando no sólo se conocen sus múltiples beneficios sino también sus riesgos, es cuando la AF puede convertirse en un elemento saludable para todas las personas con independencia de su capacidad física o funcional, forma corporal, nivel de habilidad o estado de salud. Desde este punto de vista todas las personas pueden realizar algún tipo de práctica con la que obtener beneficios y experimentar bienestar (Devís, 2000).

Capítulo 1

54

Figura 5. Relación riesgos-beneficios en función de la cantidad de actividad. Fuente: Powell y Paffenbarger (1985)

Tabla 1. Beneficios y riesgos de la actividad física desde una perspectiva integrada de la salud. (modificado de Devís, 2000)

BENEFICIOS RIESGOS FISIOLÓGICOS Reducción del nivel de

colesterol y el control del peso como prevención de problemas cardiovasculares Mejora del tono muscular. Buen desarrollo y/o recuperación del sistema músculo-esquelético Prevención y reducción de lesiones y enfermedades como la osteoporosis

Relacionados con la mala praxis: Lesiones músculo-esqueléticas: traumatismos, esguinces, luxaciones o fracturas. Síndrome de sobreentrenamiento (burn out) Riesgo de aparición de problemas cardiovasculares fortuitos como la muerte súbita Relacionados con el medio ambiente: Lesiones asociadas a problemas de termorregulación: lipotimias, mareos o golpes de calor, deshidratación

PSICOLÓGICOS Contribución al bienestar interno, reduciendo el estrés o la ansiedad Efecto preventivo y rehabilitador de enfermedades como la depresión Mejora de la autoestima

Relacionados con el abuso del ejercicio: Aparición de trastornos alimentarios como la anorexia o la bulimia nerviosa Relacionados con la comparación social: Sentimiento de insatisfacción con la imagen corporal

SOCIALES Mejora de las relaciones sociales y de la autoestima Bienestar por el sentimiento de pertenencia al grupo Sentimiento de vitalidad

Relacionados con el abuso del ejercicio: Descuido familiar y/o entorno próximo Relacionados con la comparación social: Problemas de autoestima asociados al nivel de habilidad o competencia motriz. Peligro de darse situaciones de discriminación o marginación

Marco teórico

55

1.2.2. Recomendaciones de actividad física para la salud

Las recomendaciones de AF, tanto para la población en general como durante la adolescencia, es una cuestión que por su repercusión e importancia adquiere relevancia internacional (Haskell et al., 2007; OMS, 2010; Pate et al., 1995; Rowland, 1985. Dichas recomendaciones se vienen proponiendo a lo largo de los últimos treinta años basando su evidencia en estudios principalmente biomédicos y centrados en las mejoras que se producían en la condición física de las personas que realizaban programas de entrenamiento físico. A pesar de las numerosas investigaciones llevadas a cabo, tanto en adultos como en niños y adolescentes, no es hasta hace poco tiempo que existe un cierto consenso en lo concerniente a las recomendaciones de AF necesarias para obtener beneficios saludables.

Aunque son varias las instituciones que han propuesto a lo largo de estos años recomendaciones de tiempo de AF, el American College of Sports Medicine (ACSM) ha representado, desde su inicio, la referencia básica para ofrecer recomendaciones de AF a la población infantil y juvenil (Rowland, 1985). Así pues, el ACSM publicó en 1978 su primera declaración de posición (position stand), que establecía la frecuencia, la intensidad, la duración y el tipo de ejercicio (conocido como principio FITT) necesario para producir beneficios cardiovasculares en la población adulta. Estas recomendaciones incluían la realización de ejercicio físico aeróbico a una intensidad de moderada a alta (60% - 90% de la frecuencia cardiaca máxima -FCM) y una duración de entre veinte a sesenta minutos, tres o más veces por semana. Como puede observarse, estas orientaciones iban más orientadas a la mejora de la condición física, con ejercicios de corta duración y alta intensidad, que a ser unas orientaciones de AF orientada a la salud. No obstante, suponen el primer precedente en cuanto a recomendaciones de AF a la población. Ya en 1993 la ACSM junto con el Center for Disease Control and Prevention (CDC) (Pate et al., 1995) reunieron a un grupo de expertos con el fin de desarrollar un nuevo mensaje de salud pública relacionado con la AF que fuera claro y conciso y que pudiera tener un mayor calado en la sociedad. El elemento deferencial de este nuevo posicionamiento fue el reconocimiento de la importancia de incorporar la AF a la vida diaria de las

Capítulo 1

56

personas como un medio para reducir el riesgo de enfermedad sin la necesidad de centrarse tanto en la mejora de la condición física. La nueva recomendación pretendía, por tanto, alejarse del modelo tradicional de ejercicio y condición física para promover un paradigma más amplio de AF y salud. Concretamente se aconsejaba la acumulación de un mínimo de treinta minutos diarios de AF moderada preferiblemente todos los días de la semana (Pate et al., 1995). Esta recomendación además de destacar los beneficios de la AF de intensidad moderada planteaba la posibilidad de que esos treinta minutos se lograran por la acumulación de periodos de AF intermitente, en periodos relativamente de unos ocho a diez minutos.

Haskell et al. (2007) actualizaron las recomendaciones de AF del ACSM, con el objetivo de incorporar otros aspectos que también habían demostrado ser beneficiosos para la salud. Entre ellos destaca la pauta de actividad de intensidad vigorosa o el afirmar que realizar AF por encima de la pauta general del párrafo anterior, en los casos en los que se tolerara, añadía beneficios para la salud adicionales. Por tanto, las recomendaciones para los adultos se referían a la realización de AF aeróbica (resistencia), ya fuera mediante actividades de intensidad moderada durante un mínimo de treinta minutos y cinco días por semana, o mediante la realización de actividad vigorosa en periodos más cortos un mínimo de veinte minutos y tres días por semana.

También se planteó la posibilidad de cumplir las recomendaciones a partir de la combinación de actividades moderadas y vigorosas (por ejemplo, caminar a ritmo rápido durante treinta minutos dos veces a la semana y salir a correr veinte minutos otros dos días). Por otro lado, se mantenía la posibilidad de alcanzar los treinta minutos mínimos recomendados de AF moderada a partir de la acumulación de periodos de actividad de un mínimo de diez minutos. Además de las actividades de intensidad moderada o vigorosa se reconocía el papel de las actividades de intensidad ligera de la vida diaria (limpiar la casa, ir de compras, etc.). No obstante, se puede observar que estas recomendaciones son para la población en general. Por tanto, teniendo en cuenta que el trabajo está enfocado a la etapa de la adolescencia, es conveniente revisar las recomendaciones destinadas a estas edades.

Marco teórico

57

Autores como Corbin, Pangrazi o Sallis han sido referencias en lo que al establecimiento de recomendaciones sobre el ejercicio físico para niños y adolescentes se refiere. De sus estudios se deduce que la intensidad y la duración de las actividades poseen menor relevancia que el gasto global de energía o el establecimiento de un hábito diario de AF dentro del estilo de vida. En la Tabla 2 puede observarse las diferentes recomendaciones sobre el ejercicio físico para niños y adolescentes (Corbin, Pangrazi y Welk, 1994; Sallis y Patrick, 1994).

Tabla 2. Diferentes recomendaciones sobre ejercicio físico en niños y jóvenes (a partir de Harris y Cale, 1997)

Modelo de actividad física infantil para la vida

(Corbin, Pangrazi y Welk, 1994)

Pautas de actividad física para adolescentes y

jóvenes (Sallis y Patrick, 1994)

Niños y niñas Jóvenes (11-21 años) Mínimo Óptimo Pauta 1 Pauta 2 Frecuencia Diariamente, 3 ó

más sesiones por día

Diariamente, 3 ó más

sesiones por día

Diariamente o casi todos los

días.

3 ó más sesiones por semana

Intensidad Moderada (con un gasto de al menos

3 METs)

De moderada a vigorosa

(con un gasto de al menos 6-8 METs)

El gasto de energía es más importante que la intensidad

De moderada a vigorosa

Tiempo 30 minutos o más (alternar periodos

de práctica y periodos breves de

descanso y recuperación)

60 minutos o más (alternando actividades continuas o realizadas

intermitentemente y con

periodos breves de descanso y

recuperación)

El gasto de energía es más importante que

el tiempo

20 minutos o más

Tipo de actividad Juegos infantiles y actividades de un

estilo de vida activo (por ej. ir

andando al colegio)

Juegos infantiles, actividades de un

estilo de vida activo y

gran variedad de actividades

divertidas que utilicen

grandes grupos musculares e

incluyan algunas actividades

de soporte de peso

Variedad de actividades

divertidas que utilicen

diversos grupos musculares e

incluyan algunas

actividades de soporte de peso

Gama de actividades que utilicen grandes

grupos musculares

Por lo que respecta a las recomendaciones de AF más actuales, para niños y adolescentes, ya en 2008 el Physical Activity Guidelines Advisory Committee aconsejaba la participación diaria en AF de moderada a vigorosa

Capítulo 1

58

(AFMV) durante un mínimo de sesenta minutos diarios. Estas recomendaciones han sido refrendadas posteriormente por instituciones como la Organización Mundial de la Salud (OMS, 2010) o el posicionamiento de la ACSM (2010). Además, estas instituciones realizan un seguimiento tanto a nivel internacional a través de estudios como la Health Behavior in School-aged Children (HBSC) en Europa y la Youth Risk Behavior Surveillance System (YRBSS) patrocinada por el CDC de Estados Unidos, como a nivel nacional por el Ministerio de Sanidad, Servicios Sociales e Igualdad, a través de la Estrategia de Promoción de la Salud y Prevención en el Sistema Nacionales de Salud (MSSSI, 2015).

Estas son, por tanto, las recomendaciones que se han tenido en consideración en este trabajo. El posicionamiento de la ACSM (2010) reconoce el valor de prácticas que implique veinte minutos de AF que vaya de ligera a moderada para personas inicialmente sedentarias o incluso la posibilidad de lograr alcanzar la hora diaria de AF por acumulación de periodos de al menos diez minutos.

Esta actualización no hace más que evidenciar la consolidación de un modelo de ‘Actividad Física para la Vida’ (Lifetime Physical Activity Model, LPAM) (Blair et al, 1992) más holístico e integrador de lo que fueron modelos anteriores. Estas recomendaciones suponen además una mejora desde el punto de vista estratégico, ya que comenzar con intervalos de AF, que parten de intensidades más asequibles, proporciona una satisfacción a las personas menos activas y/o sedentarias en los momentos iniciales que, unido a una buena progresión, acabará logrando la adherencia a la AF a medio o largo plazo.

1.3. Las conductas sedentarias: El uso de medios tecnológicos de pantalla

Al ya mencionado interés por parte de la comunidad científica y las autoridades de salud pública por conocer los hábitos de AF de los adolescentes, se suma la preocupación por el tiempo de actividad sedentaria (AS) que realizan en su tiempo de ocio (Hardy, Denney-Wilson, Thrift, Okely y Baur, 2010; Iannotti, Janssen, Haug, Kololo, Annaheim y

Marco teórico

59

Borraccino, 2009; Mitchell y Byum, 2014; Suess, Suoninen, Garitaonandia, Juaristi, Koikkalainen y Oleaga, 1998; Tremblay et al., 2011).

Antes de profundizar en el apartado y teniendo en cuenta la vinculación que tiene el discurso del sedentarismo con el discurso de la actividad física, conviene diferenciar el sedentarismo de la inactividad (física). Inactiva sería aquella persona que realiza poca o ninguna actividad (física), siendo ésta una cuestión que genera preocupación por sí misma en el ámbito de la salud pública, tanto para la población en general como para los adolescentes en particular (AAP, 2001; OMS, 2010; Rowland, 1985; Sallis y Owen, 1999). Sin embargo, como ya mencionaba Valencia-Peris (2013), el término sedentario etimológicamente hace referencia a aquellas actividades que se realizan sentado y que serían por tanto independientes del nivel de AF que realicen las personas. Por tanto, desde este punto de vista, ser sedentario tendrá que ver con la cantidad de tiempo invertido realizando actividades sentadas.

Dicho esto, la relación entre la (in)actividad física y el sedentarismo suscita un interés especial debido en gran medida a que los problemas que acarrean la falta de AF pueden recrudecerse en adolescentes que además de inactivos son sedentarios (Beltrán-Carrillo, Devís-Devís y Peiró-Velert, 2012).

Dentro de las conductas sedentarias (CS) que se realizan durante el tiempo de ocio existe una gran diversidad de prácticas. Esas actividades, según Pette, Morrow y Woolsey (2012), pueden clasificarse en no discrecionales y discrecionales. Las no discrecionales hacen referencia a AS que se realizan durante el tiempo de trabajo o negocio, como estar sentado en la oficina o en la escuela, mientras que las discrecionales se refieren a AS llevadas a cabo durante el tiempo de ocio, como ver la TV y utilizar el ordenador, pero también estudiar o estar sentado con amigos. Además, dentro de las AS, aquellas relacionadas con el uso de medios tecnológico de pantalla (UMTP) como la televisión, los videojuegos, el ordenador o el teléfono móvil, parecen ser las que mayor presencia tienen en el estilo de vida de los adolescentes (Granich et al., 2011). Probablemente, uno de los motivos por los que los adolescentes invierten gran parte de su tiempo de ocio haciendo un uso sedentario de los medios tecnológicos sea la mayor

Capítulo 1

60

capacidad de adaptación que tienen al incesante desarrollo tecnológico que está sucediendo en los últimos años.

1.3.1. El desarrollo tecnológico en los últimos años. Consecuencias sociales y para la salud

El avance de la tecnología es un fenómeno que se ha desarrollado de una manera vertiginosa en los últimos tiempos, sobre todo en el mundo desarrollado. En la última década, estos avances se han multiplicado exponencialmente generando, como indica Franco-Crespo (2013), que la tecnología haya penetrado en todas las actividades humanas, desde el trabajo, a las comunicaciones, la educación o el tiempo de ocio. Una de las consecuencias directas de esta expansión tecnológica es el grado de comodidad que ha supuesto para la realización de numerosas tareas, tanto profesionales como de la vida cotidiana. La aparición de los electrodomésticos, por ejemplo, ha facilitado mucho la vida de las familias, mientras que la aparición de la maquinaria agrícola o industrial ha supuesto la reducción del esfuerzo físico de un número importante de trabajos. Otras tecnologías más recientes como la domótica, han permitido construir hogares mucho más eficientes a nivel energético, aunque su presencia no está todavía excesivamente extendida. En todo caso, se produce un efecto de retroalimentación entre el desarrollo de la industria tecnológica y las comodidades que ésta ofrece a la sociedad ya que cuanto mayores son los beneficios percibidos, más indispensable se hace el vivir con la presencia de tecnología (Franco-Crespo, 2013; Koivusilta, Lintonen, y Rimpelä 2005).

Uno de los ámbitos tecnológicos que mayor expansión está experimentando en los últimos años es el de las tecnologías de la información y comunicación. Ejemplo de ello son algunos datos provenientes del informe de la sociedad de la información en España correspondiente al año 2014 (Telefónica, 2015). La TV, considerada el aparato tradicionalmente más utilizado (Pérez, 2005), ha sido renovada por la mayoría de las familias para obtener mejores prestaciones relativas a la calidad de las imágenes, el sonido y conexión a nuevas tecnologías. Así, por ejemplo, en 2014, el 70,2% de las familias contaba con una TV de alta definición de las que el 30% disponen de la tecnología Smart TV con acceso a Internet. Esto ha contribuido a que

Marco teórico

61

la conexión fija de banda ancha haya aumentado casi en un 30% en los últimos 5 años, pasando de 7,6 millones de usuarios a 9,8. No obstante, junto con la TV y la facilidad de acceso a la red, otros elementos han resultado decisivos en el aumento del UMTP. Por ejemplo la aparición de ordenadores de última generación, la versatilidad de las recientes tabletas electrónicas, pero especialmente relevante ha sido el desarrollo de los dispositivos móviles inteligentes o Smartphone.

Los principales cambios de la tecnología móvil han sido la consolidación del uso de Internet y la consecuente aparición de las aplicaciones (APPs), que permiten interactuar con una interfaz más sencilla que la que está presente en los dispositivos fijos. Estas novedades han contribuido a que a día de hoy el 81% de los teléfonos móviles en España sean Smartphone. Esta tecnología ha triplicado la demanda de acceso a Internet desde el móvil, pasando de 11,5 millones de usuarios en 2010 a 32 millones en 2014 (Telefónica, 2015). Otro elemento que junto con las APPs ha desencadenado el gran aumento del uso del teléfono móvil ha sido la evolución de la mensajería instantánea. Pasar del SMS con su respectivo coste a poder comunicarse en tiempo real de manera ‘gratuita’ a través de la conexión a Internet ha resultado ser una de las grandes revoluciones tecnológicas. Tanto es así que, según datos del informe de la sociedad de la información (Telefónica, 2015), se ha visto un aumento de uso del 206% del año 2012 al 2014, reduciendo con ello el uso de otras redes sociales y casi igualando con un 78% de usuarios al porcentaje de llamadas telefónicas (82% de usuarios).

Finalmente, la aparición de diferentes medios tecnológicos conectados a la red no solo aumenta las posibilidades de UMTP sino que permite que se utilicen de manera simultánea dando lugar al UMTP multitarea, aspecto que supone otro gran cambio tecnológico. Según datos del informe de la sociedad de la información (Telefónica, 2015), el 88% de los hogares dispone de al menos un Smartphone, un 86,3% tienen además al menos un ordenador portátil, mientras que las tabletas electrónicas ya están presentes en un 54% de los hogares. Esto tiene como consecuencia que dos de cada tres españoles utilicen más de un dispositivo para acceder a Internet.

La introducción de las nuevas tecnologías a la vida cotidiana de los adolescentes también ha traído consigo un incremento en la adquisición de

Capítulo 1

62

hábitos sedentarios. Además del aumento del tiempo de CS, el creciente uso de medios tecnológicos puede estar relegando otras activiades sedentarias saludables para el buen desarrollo de los adolescentes, como son el tiempo dedicado al estudio, a la lectura o a realizar otro tipo de tareas escolares, llevando a una situación de riesgo académico que puede ser perjudicial para los adolescentes, sobre todo aquellos que hacen un uso excesivo de medios tecnológicos (Levine et al., 2007). Por tanto, el desarrollo tecnológico sucedido en los últimos años supone un beneficio difícil de refutar, siempre y cuando se tenga en consideración los posibles efectos negativos que el abuso de la tecnología puede tener en la salud de los adolescentes.

1.3.2. Beneficios y riesgos del uso de medios tecnológicos de pantalla

El hecho de considerar el UMTP como una conducta relevante dentro de las AS que realizan los adolescentes y la connotación negativa que suele tener el sedentarismo por entenderse como un antagonista al estilo de vida saludable, invita a pensar más en los riesgos que en los beneficios del UMTP. No obstante, como ya ocurriera con la AF, tener conocimiento tanto de los riesgos como de los posibles beneficios del UMTP es de gran ayuda para tener un nivel de comprensión amplio del efecto que tienen este tipo de actividades tiene sobre la salud de los adolescentes.

Así pues, aunque no se trate del discurso mayoritario, varios estudios apuntan que el uso moderado de los medios tecnológicos, lejos de suponer un problema para la salud, puede aportar beneficios. Por ejemplo, Dye, Green y Bravelier (2009) obtuvieron entre los resultados de su estudio que el uso adecuado de videojuegos mejoraba el tiempo de reacción y la concentración. En esa misma línea, Subrahmanyam et al. (2001) explicaban que utilizar videojuegos podía contribuir al desarrollo de habilidades cognitivas tanto en niños como en adolescentes. Del mismo modo, según Jackson et al. (2011), el uso de Internet producía mejoras en las habilidades lectoras de los jóvenes con niveles académicos más bajos. Además, Prot, Gentile y Anderson (2014) obtuvieron en su estudio que el uso moderado de los videojuegos podía repercutir positivamente en comportamientos pro-sociales, como la mejora de la capacidad atencional o el control de la impulsividad.

Marco teórico

63

En cambio, los problemas asociados al UMTP parecen estar asociados al uso excesivo o abuso de los medios tecnológicos (Levine et al., 2007), principalmente porque contribuye significativamente al aumento del tiempo de AS, con los consecuentes problemas para la salud coligados al estilo de vida sedentario. Además el uso excesivo de medios tecnológicos puede producir otro tipo de problemas vinculados específicamente a dicha conducta.

Diversos estudios epidemiológicos alertan sobre los problemas asociados al uso excesivo de medios tecnológicos de pantalla y, por extensión, al estilo de vida sedentario. Trabajos como el de Sugiyama et al. (2007) evidencian que, independientemente del nivel de AF que se realice, los comportamientos sedentarios están asociados al aumento del riesgo de sufrir enfermedades cardiovasculares, metabólicas y psicológicas. Además, la revisión de Tremblay et al. (2011), añade a los mencionados problemas físicos, que el incumplimiento de las recomendaciones de UMTP se asocia a cambios en la composición corporal no deseables como el aumento del porcentaje de grasa, peor nivel de condición física, así como deterioros en el nivel de autoestima y del comportamiento social. Mitchell y Byum (2014) afirmaban en su revisión que tanto en estudios transversales como longitudinales se pueden confirmar los factores de riesgo descritos. Además, en algunos casos se observaba una asociación entre el sedentarismo y la disminución de la sensibilidad a la insulina, clave en la aparición de enfermedades la diabetes de tipo II (Goldfield et al., 2013).

Más allá de problemas relacionados con el comportamiento sedentario, el abuso de los medios tecnológicos de pantalla puede acarrear otro tipo de peligros específicos para la salud. Como se ha mencionado anteriormente, los adolescentes son, actualmente, uno de los grupos con mayor presencia en Internet. Por su condición de tecno-nativos, se caracterizan por establecer muchas de sus relaciones sociales en la virtualidad. Este fenómeno tiene como consecuencia la disminución de la cantidad y, en algunos casos, la calidad de las interacciones presenciales. Además, según Swing, Gentile, Anderson y Walsh. (2010) esta presencia de los adolescentes en la red a través del ordenador o el teléfono móvil puede interferir en tareas como hacer los deberes o estudiar, conducta que suele tener una repercusión negativa sobre el rendimiento académico. Por otro lado, la interacción en la

Capítulo 1

64

virtualidad tiene como consecuencia directa la existencia de una identidad digital. Los adolescentes no son conscientes en muchos casos de ello y aún en el caso de serlo, muchos no están capacitados para manejarla de manera responsable. En estos casos son frecuentes los usos ilícitos de la identidad digital como la falsedad u ocultación, utilizados en algunos casos para establecer relaciones de abuso con otros adolescentes conocidos como ciberbullying. En otros casos, las posibilidad de mantener oculta la identidad, puede facilitar la difusión de contenidos de tipo sexual incluso aprovechar la obtención de imágenes de alto contenido sexual para realizar chantaje a otras personas, fenómeno conocido como el sexting. Estas situaciones se ven a menudo agravadas por la dificultad de identificar estos problemas, dado que durante la adolescencia suele ser habitual mantener una actitud hermética para con sus padres o madres. Por último, el abuso de los medios tecnológicos de pantalla se caracteriza también por el potencial adictivo que posee. La consolidación de las redes sociales, así como la posibilidad de interactividad que ofrecen aparatos como Smartphones o tabletas electrónicas conectadas a Internet, pueden contribuir al uso compulsivo de medios tecnológicos que de manera reiterada e incontrolada pueda desembocar en una adicción (Walsh, White y Ross, 2008). Según Franco-Crespo (2013) el uso por encima de las tres horas diarias de TV o de las cuatro horas de ordenador durante el tiempo de ocio podría considerarse un principio de adicción. Este tipo de conductas se están dando en el contexto español y así lo prueba la existencia de campañas de intervención como la llamada phombies que trata de atenuar el uso adictivo del teléfono móvil (Telefónica, 2015).

Vistos los efectos que puede producir el UMTP sobre los adolescentes, y que la cantidad de tiempo parece ser un elemento clave con relación a que esos efectos sean positivos o negativos, es necesario conocer las recomendaciones de UMTP.

1.3.3. Recomendaciones de uso de medios tecnológicos de pantalla

A diferencia de las recomendaciones de tiempo de AF, que han sido tenidas en cuentas y discutidas desde hace décadas, las recomendaciones respecto al tiempo recomendado de AS comenzaron a aparecer en una época

Marco teórico

65

más reciente (Straton y Watson, 2009). Además, cuando las recomendaciones se centran en el tiempo de AS dedicado al uso de medios tecnológicos, las primeras referencias son más contemporáneas. No obstante, el tiempo que dedican los adolescentes al UMTP es un tema candente en la actualidad, tanto internacional como nacionalmente. De hecho, los estudios HBSC e YRBSS, suelen considerar ítems relacionados con la AS en sus macro-estudios y concretamente en el uso de medios tecnológicos. Las razones para que el UMTP durante la adolescencia sea una preocupación internacional radican principalmente en dos aspectos fundamentales. Por un lado, en que el ya mencionado desarrollo tecnológico sea un fenómeno bastante reciente y por otro en el arraigo que parece tener esta conducta dentro del estilo de vida de los adolescentes.

La American Academy of Pediatrics (AAP, 2001) fue una de las primeras instituciones que estableció recomendaciones de en este caso para el uso de la TV. En ellas se desaconseja que el tiempo total de visionado no supere las dos horas diarias. Al parecer, a partir de esta recomendación, diferentes organismos fueron incluyendo en sus guías consejos y pautas animando a reducir tanto el tiempo de AS en general, como el uso de la TV y otras pantallas en particular, dedicando incluso en algunos casos un apartado especial al UMTP. Por ejemplo, en Australia se mantiene la recomendación de no superar las dos horas de UMTP (Okely et al., 2013), mientras que en Estados Unidos (US Department of Health & Human Services, 2008) se establece limitar el tiempo de uso entre una o dos horas, marcando el énfasis además en la calidad de la programación que consumen los adolescentes. Ya en 2011 tanto en el Reino Unido (Department of Health, Physical Activity, Health Improvement and Protection, 2011) como en Canadá (Canadian Society for Exercise Physiology, 2011) no solo se habla de controlar el tiempo de UMTP, cuya recomendación se mantiene en no superar las dos horas diarias, sino que se sugiere la conveniencia de reducir los periodos de tiempo sentado de larga duración o de limitar en la medida de lo posible el transporte activo. Ya en España, el MSSSI, editó recientemente una guía titulada Actividad física para la salud y reducción del sedentarismo (MSSSI, 2015). En ella se hace referencia a todos los aspectos mencionados previamente. A la recomendación de limitar el UMTP a un máximo de dos horas diarias se le añade, no solo la propuesta de

Capítulo 1

66

reducción de los periodos sedentarios prolongados sino que indica la conveniencia del fomento del transporte activo y las actividades al aire libre.

1.4. El rendimiento académico en la adolescencia

El rendimiento académico (RA) es un concepto complejo debido a la cantidad de factores que aglutina y que pueden influir a su vez en el éxito escolar de los estudiantes (Rasberry et al., 2011). Según Jiménez (2000), el RA se define como el nivel de conocimientos demostrado en las áreas o materias que el estudiante cursa de acuerdo a su edad y nivel educativo. En cambio, conviene tener presente que en los procesos de evaluación no solamente se valoran los conocimientos, más relacionados con la capacidad cognitiva del estudiante, sino que también pueden ser indicadores de RA las habilidades prácticas, el comportamiento o las actitudes. Todos estos aspectos son los que en última instancia se explicitan de manera estandarizada en forma de calificaciones escolares, elemento que parece estar considerado como un buen predictivo del RA (Cascón, 2000; Edel, 2003).

No obstante, en la literatura aparecen otros elementos tanto internos como externos que ejercen cierta influencia sobre el RA. Uno de los factores internos es la motivación hacia la escuela (Contreras, Espinosa, Esguerra, Haikal, Polanía y Rodríguez, 2005) y otro las habilidades sociales (García, 2005), entre las que, destaca la inteligencia emocional como el factor psicopedagógico que mayor peso tiene en la predicción del RA (Ferragut y Fiero, 2009). Respecto a factores externos, Benítez, Giménez y Osicka (2000) hacen referencia a los programas de estudio, las metodologías de enseñanza o la necesidad de individualizar la enseñanza.

Como puede observarse a lo largo de las diferentes investigaciones citadas, el análisis sobre el RA muestra una gran diversidad de factores, aspecto que indica tanto su complejidad como su relevancia para el desarrollo saludable de los adolescentes. Por tanto, parece ser que para evitar el ‘aturdimiento epistemológico’ (Edel, 2003) ante la naturaleza multifactorial del RA, numerosas investigaciones se han decantado por utilizar las calificaciones escolares (Altschul, Oyserman y Bybee, 2006;

Marco teórico

67

Díaz, Prados y López, 2002; Inglés et al., 2009; Kristjánsson, Sigfúsdóttir, Allegrante y Helgason, 2009). La preferencia por las calificaciones puede deberse a que se trata de una variable cuya información puede obtenerse periódicamente, aspecto que permite realizar análisis prospectivos que contribuyan a conocer las implicaciones que el RA puede tener sobre otras variables del estilo de vida de las adolescentes.

Otro cuestión relevante del RA es la vinculación que tiene con la salud de los adolescentes, mostrándose como un buen predictor de diferentes comportamientos saludables (Lê-Scherban, Diez, Li y Morgenstern, 2014). Al parecer los estudiantes más exitosos, entendiendo por éxito el mostrar un buen RA, disfrutan de mejor salud que los que tienen peores resultados académicos. Una posible explicación para este dato sería que gozar de un buen nivel académico puede repercutir en una mejor capacidad de comprensión y de elección de conductas saludables como pudieran ser comer una dieta equilibrada, hacer AF o no iniciarse en conductas adictivas como el consumo de alcohol o tabaco. Además parece que el RA además de mejorar procesos cognitivos también muestra efectos positivos sobre la autoestima, el auto-control, el comportamiento pro-social, mayor integración social y apoyo social, todos ellos elementos íntimamente relacionados con la salud (Gázquez, Pérez, Ruíz, Miras y Vicente, 2006; Inglés et al., 2009).

Por otro lado, la relación entre RA y salud parece no ser unidireccional sino que gozar de una mala salud puede dificultar el progreso académico ya que un estudiante con problemas de salud difícilmente estará en condiciones óptimas para integrarse y aprovechar las oportunidades de aprendizaje que la escuela o el hogar les proporciona (Eide, Showalter y Goldhaber, 2010; Spernak, Schottenbauer, Ramey y Ramey, 2006). Por tanto, parece que la escuela puede ser un espacio crucial no solo para la promoción de la salud sino que, en la medida en la que se conocen las características académicas y de salud general de los estudiantes, también puede ejercer una importante función preventiva.

Una vez explicado el concepto de RA y mostrada tanto la importancia que puede tener durante el transcurso de la adolescencia como la vinculación que tiene con la salud, parece haber suficientes razones para considerar esta variable como relevante dentro del estilo de vida de los adolescentes.

Capítulo 1

68

1.5. El estatus de peso en la adolescencia

En las últimas décadas está aconteciendo un aumento generalizado del peso de las personas, dando lugar a situaciones de sobrepeso principalmente en países desarrollados, con especial incidencia en Norteamérica, Gran Bretaña o el sudoeste Europeo (Janssen et al., 2005). El sobrepeso y la obesidad pueden tener un efecto negativo sobre la salud, ya que se asocia a problemas cardiovasculares o metabólicos, así como otros más vinculados a aspectos psicológicos y sociales como reducción de la autoestima o dificultades en las relaciones sociales. No obstante, la realidad de un mundo globalizado tiene como consecuencia que estos niveles de prevalencia de sobrepeso y obesidad se estén extendiendo a lo largo y ancho del globo terráqueo (Ma, et al., 2014; Ng, et al., 2014; Venn et al., 2007).

Desde la perspectiva de los planes de salud pública este fenómeno produce un gran interés, además de por su expansión, por el hecho de estar emergiendo de manera cada vez más acuciada en niños y adolescentes. Según la Real Academia de la Lengua (RAE), el sobrepeso se define como el exceso de peso, normalmente debido al acúmulo excesivo de grasa en el cuerpo que en niveles importantes puede ser diagnosticado como obesidad. Los profesionales del ámbito habitualmente califican el peso de un individuo como sobrepeso cuando se superan los valores estipulados como ideales para la estatura y tipo de cuerpo (somatotipo) del individuo (Carrascosa et al., 2010). Cabe indicar que el exceso de peso no implica necesariamente tener obesidad. Según la American Academy of Child and Adolescent Psychiatry, un niño o niña no se considera que tiene obesidad hasta que pesa por lo menos un 10% más que el peso recomendado (AACAP, 2008).

El fenómeno del sobrepeso y la obesidad no parece tener una explicación sencilla ni obvia, dado que entran en juego tanto variables sociales como fisiológicas. Esta complejidad se intensifica durante la etapa de la adolescencia dado que, en esta fase caracterizada por la sucesión de cambios, uno de los más relevantes en relación con el peso ocurre a nivel fisiológico; es el llamado crecimiento puberal. El término encuentra su raíz semántica en la pubertad, periodo en el que tiene inicio la adolescencia, caracterizado por darse la mayoría de los cambios fisiológicos que acabarán

Marco teórico

69

convirtiendo al niño o la niña en una persona adulta. Durante la pubertad, tiene comienzo en ambos sexos un periodo de crecimiento más rápido, conocido como ‘estirón puberal’, al que le acompañará posteriormente una etapa de desaceleración progresiva hasta el final de la etapa de crecimiento. Esta etapa se inicia alrededor de los 10 años, dándose generalmente antes en las chicas que en los chicos y se prolonga alrededor de seis años (Carrascosa et al., 2008). No obstante, diversos estudios longitudinales han mostrado una gran variabilidad tanto en función de la edad como del sexo (Albertsson, Luo y Niklasson, 2002; Ferrández et al., 2005).

Independientemente de la posible variabilidad en el peso de los adolescentes, el aumento de los niveles de sobrepeso y obesidad puede ser debido a diversas razones. Elementos como desequilibrios en la dieta, el uso de transporte motorizado, los bajos niveles de AF o el aumento de la AS parecen ser comportamientos que se han identificado como facilitadores de este fenómeno (Millward, 2013). En cualquier caso, la constante presencia de la cuestión en la literatura durante los últimos años da información acerca de la preocupación suscitada por el fenómeno del sobrepeso y la obesidad infantil (Ahluwalia et al., 2015; Calcaterra et al., 2008; Davison y Birch, 2001). Como se comenta al inicio del apartado, mantener niveles altos de sobrepeso y obesidad está relacionado con la posibilidad de sufrir, de manera prematura, problemas cardiovasculares, hipertensión, síndrome metabólico o diabetes tipo II (Daniels et al., 2005; Freedman, Mei, Srinivasan, Berenson y Dietz, 2007; Kelly et al., 2013). Estas evidencias, presentes también en el contexto de la sociedad española (Serra-Majem, Ribas-Barba, Aranceta-Bartrina, Pérez-Rodrigo, Saavedra-Santana y Peña-Quintana, 2003), convierten el control del peso durante la infancia y la adolescencia en un elemento de prevención de revelada importancia para evitar que la juventud con sobrepeso de hoy sean las personas adultas obesas de mañana.

Capítulo 1

70

1.6. Investigaciones en el estudio de la actividad física, el uso de medios tecnológicos, el rendimiento académico y la obesidad

En este apartado se presenta la revisión de estudios realizada en relación con las cuatro variables comentadas a lo largo de este capítulo. Hasta el momento se ha tratado de hacer explícita la importancia que tiene tanto la AF como el UTMP, el rendimiento académico y el estatus de peso sobre la salud de los adolescentes. A continuación se mostrará el potencial impacto que podría tener este trabajo, a partir de la presencia de estas variables en la literatura tanto nacional como internacional.

La primera revisión incluye la investigación sobre la actividad física durante el periodo de la adolescencia. La segunda se centra en el uso de medios tecnológicos de pantalla, como principal conducta sedentaria realizada por los adolescentes. En la tercera revisión se hace una mención especial a las interacciones entre la AF y UMTP. Finalmente se incluye una revisión centrada en mostrar la relación que tienen el rendimiento académico y el estatus de peso tanto con la AF, como con el UMTP así como con ambas al mismo tiempo.

Cabe indicar que las revisiones se han realizado asumiendo los criterios que se explicarán a continuación:

1) El estudio debía incluir información sobre el tiempo de AF o UMTP (no se recogen estudios que miden de forma diferente estas variables).

2) La muestra del estudio debía ser de adolescentes. 3) La información debía haberse obtenido al menos mediante

cuestionario de auto-informe (se trata de la metodología utilizada en este trabajo).

4) Los trabajos debían estar publicados a partir del año 2005.

Además, los estudios se presentan por orden cronológico de publicación diferenciándose tres apartados. En primer lugar se muestran resultados de estudios de revisión sobre la variable en cuestión. A continuación estudios de corte transversal, y en último lugar, se contrastan estos resultados con estudios prospectivos, ya sean de tendencia o de corte longitudinal. A través de los estudios de tendencia se estudia de forma periódica el comportamiento de un determinado grupo fijo de edad, para conocer cambios que sean

Marco teórico

71

atribuibles al momento. La diferencia con los estudios de carácter longitudinal es que lo que se mantiene fija es la muestra, a la que se realiza el seguimiento fija para comprobar si se producen cambios en el comportamiento de ese determinado grupo a lo largo del tiempo. En estas revisiones se trata de mostrar por orden estudios internacionales con muestras de diferentes países, estudios extranjeros de muestras nacionales de cada país y finalmente estudios con muestra española.

1.6.1. La investigación sobre la actividad física en la adolescencia

El tiempo de práctica de AF durante la adolescencia es una cuestión que, por su repercusión e importancia, adquiere relevancia internacional. De ahí que instituciones como la OMS realicen estudios epidemiológicos periódicos en los que los niveles de AF de los adolescentes, así como su prevalencia, están continuamente presentes. Además, la OMS es una de las organizaciones que contribuye al establecimiento de las recomendaciones de AF, con acciones como haber refrendado en 2010 la propuesta del Physical Activity Guidelines Advisory Comittee (2008) de realizar un mínimo de sesenta minutos diarios de AFMV (OMS, 2010).

Del mismo modo, otros estudios de ámbito internacional, como la Health Behavior in School-aged Children (HBSC) en Europa o la Youth Risk Behavior Surveillance System (YRBSS) en Estados Unidos, abordan aspectos que tienen incidencia sobre la salud de los adolescentes, entre los que se encuentra la AF.

La HBSC es una alianza internacional de investigadores que en colaboración con la OMS realiza una encuesta cuatrienal a adolescentes de edades comprendidas entre los 11 y 15 años en la que aborda aspectos relacionados con la salud y el bienestar de los adolescentes a lo largo del tiempo. En cuanto al estudio YRBSS realiza también una encuesta dirigida por el Centre for Disease Control and Prevention (CDC) mediante la que estudia comportamientos que pueden hacer aumentar el riesgo de pérdida de salud, discapacidad o muerte prematura en jóvenes entre los que contempla la falta de AF. No obstante, el trabajo de estas organizaciones es solo una parte de la abundante investigación existente sobre la AF, ya sea en forma

Capítulo 1

72

de metasíntesis o de manera experimental. Dicho esto, a continuación se expone el resultado de la revisión de estudios de investigación sobre el tiempo de AF durante la adolescencia. Además en la Tabla 3 puede observarse de manera resumida los principales resultados de estos trabajos.

1.6.1.1. Estudios de revisión o metaanálisis

Son diversos los trabajos de revisión o metaanálisis presentes en la literatura encargados de conocer el tiempo de AF de los adolescentes. Armstrong y Welsman (2006) realizaron un estudio sobre los niveles de AF de los adolescentes en el que participaron la mayoría de países de la Unión Europea. Como resultado obtuvieron que los chicos realizan más tiempo de AF que las chicas, sobre todo cuando la actividad es vigorosa. Además, concluye que el tiempo de AF para ambos sexos es mayor durante la infancia y disminuye gradualmente a medida que transitan hacia la edad adulta. Respecto al porcentaje de cumplimiento de las recomendaciones de AF, se observa que además de ser bajo también disminuye con la edad. Por otro lado, este trabajo revisa los diferentes métodos de obtención de datos relativos a la AF. El método más utilizado es el de cuestionario de auto-informe, a pesar de las limitaciones que supone que los jóvenes puedan ser más imprecisos que los adultos a la hora de estimar su tiempo de práctica. No obstante, además de ser el método más utilizado, parece ser bastante fiable cuando se utiliza con muestras amplias.

Dumith, Gigante, Domingues y Kohl (2011) realizaron una revisión de estudios longitudinales para tratar de confirmar si el tiempo de AF disminuía a lo largo de la adolescencia, tal y como sostiene gran parte de la literatura relacionada con este ámbito. Así pues, de veintiséis estudios que cumplieron los criterios de inclusión, la mayoría de ellos con muestras procedentes de Estados Unidos, encontraron una disminución progresiva del tiempo dedicado a la AF durante la adolescencia con una media de siete minutos de disminución por año. Además, en la mayoría de estudios existían diferencias entre chicos y chicas, siendo en algunas investigaciones la disminución más acusada en chicos, sobre todo en edades más avanzadas de la adolescencia, mientras que en otros la reducción fue más acuciada en chicas y en edades tempranas.

Marco teórico

73

Otro estudio de referencia es el de Ekelund, Tomkinson y Armstrong (2011) en el que realizaron un análisis de los resultados obtenidos en artículos que utilizan cuestionarios de auto-informe como método de recogida de datos. En este caso plantearon que, a pesar de ser la manera más habitual de obtener información del tiempo de AF, presenta una serie de limitaciones difíciles de evitar como la tendencia a la sobreestimación del tiempo dedicado a la AF por parte de los informantes jóvenes o la baja correlación entre los resultados de distintos estudios que medían el tiempo de AF a partir de cuestionarios. A pesar de las limitaciones, los autores concluyen que entre el 60 y el 70% de los adolescentes no cumplen las recomendaciones de AFMV. No obstante, aunque los niveles de práctica son bajos, no se obtienen evidencias claras de que la evolución de la AF en las dos últimas décadas tienda a la disminución.

Una vez explicados los estudios de revisión paso a comentar los resultados de diferentes estudios descriptivos tanto de diseño transversal como longitudinal.

1.6.1.2. Estudios de diseño transversal

La literatura especializada en el estudio de la AF durante la adolescencia contiene un número importante de investigaciones de tipo transversal. A continuación se presentan aquellos más se ajustan a los criterios de inclusión inicialmente planteados.

Butcher, Sallis, Mayer y Woodruff (2008), en su estudio con 6125 adolescentes estadounidenses de entre 14 y 17 años, encontraron que aproximadamente el 40% de las chicas y el 57% de los chicos cumplían con las recomendaciones de actividad física, habiendo además una asociación positiva y significativa entre el cumplimiento de las recomendaciones y tener un nivel socioeconómico alto. Por otro lado, se observó una disminución significativa en el cumplimiento de las recomendaciones en las chicas adolescentes más mayores, no siendo así en el caso de los chicos.

En el estudio de Bastos, Araújo y Hallal (2008), cuya muestra recogía a 857 participantes brasileños de entre 10 y 19 años, se hallaron resultados similares. En este caso, se obtuvo que la prevalencia de AF insuficiente en

Capítulo 1

74

toda la muestra fue de 69,8%, siendo los chicos más activos que las chicas. Dicha prevalencia a la AF insuficiente también aumentaba con la edad en el caso de las chicas. En cuanto al tiempo de AF y el nivel socioeconómico (NSE), se obtuvo que los chicos con menor NSE tenían mayor probabilidad de ser sedentarios.

Borraccino et al. (2009) realizaron un estudio plurinacional a partir de datos de la HBSS. En este trabajo se recogía información de 32 países logrando una muestra total de 153 028 adolescentes de 11, 13 y 15 años. Entre otras cuestiones, se les preguntaba los días que creían haber cumplido las recomendaciones de AF y obtuvieron que en todos los países las chicas dedicaban menos tiempo de AFMV que los chicos, con una media de 3,52 horas semanales frente a 4,13 del sexo masculino. Además, eran las chicas las que eran más proclives a no seguir las recomendaciones, encontrándose una tendencia general a ser menos activo a medida que los adolescentes eran más mayores. Respecto a la relación con el NSE, se obtuvo a través del cuestionario Family Afluence Scale (FAS), que el tiempo de AFMV disminuía cuando el NSE era menor. Al estar incluido España entre los países participantes en el estudio, se pudo observar que los resultados seguían la misma línea que los del global de estudio.

Ya en España, Martín-Matilla et al. (2011) obtuvieron a partir del estudio ‘Alimentación y Valoración del Estado Nutricional de los Adolescentes Españoles’ (AVENA) orientado a evaluar el nivel de salud y estado nutricional de los adolescentes españoles, que los chicos eran proporcionalmente más activos (71,3%) que las chicas (47,5%), tendiendo a la disminución entre los grupos de edad, tanto en chicos como en chicas.

En otro estudio español, Cano, Pérez, Casado y Alberola (2011) recopilaron ciento setenta y nueve diarios de adolescentes entre 11 y 14 años en los que recogían la AF realizada durante tres días, obteniendo que la AF de los chicos era más alta que la de las chicas viéndose también una disminución entre los diarios de los participantes de once años y los de catorce.

Los estudios de tipo transversal expuestos anteriormente coinciden en que los porcentajes de cumplimiento de las recomendaciones de AF son menores que los que serían deseables y el tiempo de AF es menor del que sería apropiado, sobre todo en chicas. Además, coinciden en asociar la AF al

Marco teórico

75

NSE, siendo mayor cuanto mayor es este valor. También vaticinan que a medida que los adolescentes crezcan, sus niveles de AF se reducirían, sobre todo en el caso de las chicas. En los casos en los que también se observa una disminución del tiempo de AF en chicos, ésta se da de manera menos acuciada que en las chicas.

Estas afirmaciones pueden hacerse en los estudios transversales gracias a los análisis de regresión o mediante comparaciones de participantes de distintas edades agrupados a partir de la muestra del estudio. Aunque este tipo de aproximaciones son útiles dado que contribuyen a la descripción y comprensión del estado de la cuestión, es conveniente decir que presentan limitaciones. Entre ellas, el hecho de que se esté comparando en un mismo momento temporal a personas distintas no permite saber si los cambios se deben a aspectos individuales o al efecto del tiempo. No obstante, alguna de estas limitaciones puede satisfacerse mediante estudios longitudinales de tendencia que se replican de manera periódica (Hernández, Fernández-Collado y Baptista, 2000). Estos trabajos, permiten al menos realizar comparaciones de determinadas variables en momentos temporales distintos con personas que, aun no siendo las mismas, comparten características como la edad o la etapa vital.

1.6.1.3. Estudios de diseño longitudinal periódico (tendencia)

Dos de los estandartes de este tipo de estudios longitudinales de tendencia son la encuesta que realiza cada cuatro años la OMS con el estudio HBSC en Europa o el llevado a cabo por el YRBSS en América.

En el primer estudio, Samdal, Tynjälä, Roberts, Sallis, Villberg y Wold (2006) recogen datos desde el año 1985 hasta el 2002 para siete países europeos (Austria, Finlandia, Hungría, Noruega, Escocia, Suecia y Gales). Durante este periodo, el tiempo dedicado a la AF se ha visto estabilizado en todos los países excepto en Finlandia, que aumentó ligeramente. Respecto a la variable sexo, los chicos son en todos los casos más activos que las chicas. Este mismo macro-estudio fue aplicado por Inchley, Currie, Todd, Akhtar y Currie, (2005) en tres escuelas escocesas, considerándose además de la AF, la interacción con el NSE. Los principales resultados obtenidos reflejan que

Capítulo 1

76

las chicas realizan menos tiempo de AFMV que los chicos en las cuatro ediciones del estudio. Además, de manera consistente, el tiempo dedicado a la AF ha sido menor en participantes cuyas familias tienen un NSE bajo. No obstante, el estudio más completo que recoge datos del HBSC fue recientemente publicado por Kalman et al. (2015). En este trabajo se recogieron datos desde 2002 a 2010 de treinta y dos países de todo el mundo, con una muestra que ascendió a los 479 674 adolescentes entre 11 a 15 años.

Paradójicamente se encontró un ligero, pero significativo, aumento del tiempo de AFVM para los chicos en dieciséis de los treinta y dos países, mientras que nueve de ellos mostraron un descenso significativo. Respecto a las chicas, en diez países hubo un aumento y en ocho el tiempo de AFMV descendió. No obstante, comparando todos los países, las chicas mostraron menor tendencia a aumentar su dedicación a la AF a lo largo del tiempo. Respecto a las recomendaciones de AFMV, solo un 23,1% de los chicos y un 14,0% de las chicas declaraban realizar al menos sesenta minutos de AFMV diaria. Además la tendencia a la disminución del tiempo de AF se observa en que los mayores porcentajes de cumplimiento de las recomendaciones de AFMV se da en los adolescentes de once años (23,2%) mientras que los de quince sólo cumplían las recomendaciones un 14%. Finalmente se encontró que los adolescentes de familias con mayor NSE seguían más las recomendaciones que las de NSE bajo (19,8% frente a 16,3%). Dado que España era uno de los países incluidos en el estudio, indicar que fue uno de los países en los que la tendencia de AF de 2002 a 2010 fue al alza.

Por lo que respecta a trabajos derivados del estudio del YRBSS, Adams (2006) publicó un artículo en el que se analizaban las tendencias en AFMV e inactividad de los adolescentes americanos en el periodo comprendido de 1999 a 2003. El resultado principal era la existencia de evidencias pequeñas, pero estadísticamente significativas, de un descenso en el nivel de AFMV en adolescentes de 14 y 15 años. En cambio Li, Treuth y Wang (2010), en un estudio que abarca más ediciones de la encuesta del YRBSS (de 1991 a 2007) obtienen que la prevalencia de realizar suficiente AFMV había cambiado poco en ese periodo (de 65,8% a 64,1%).

Finalmente, Guthold, Cowan, Autenrieth, Kann y Riley (2010) realizaron un estudio con datos de la encuesta global de salud de escolares

Marco teórico

77

(Global School-based Student Health Survey), realizada por la OMS y el Centro Estadounidense de Prevención y Control de Enfermedades (Centre for Disease Control and Prevention) en treinta y cuatro países. Se recopilaron datos entre los años 2003 y 2007 logrando información de una muestra cercana a los 73000 escolares. Se concluyó que son pocos los jóvenes que realizan suficiente AF, puesto que del promedio de estos treinta y cuatro países se obtuvo que un 23,8% de los chicos y el 15,4% de las chicas cumplían las recomendaciones de AF. La menor prevalencia se observó en Filipinas y Zambia (8,8%) y la más alta en India (37,5%).

Como se comentaba en el apartado anterior, este tipo de trabajos aportan una visión de la tendencia que asumen las variables con el paso del tiempo. No obstante, el hecho de que la muestra se conforme en cada caso por personas distintas, puede ser un elemento tan responsable de los cambios que puedan darse en los valores de las variables, como lo sería el intervalo del tiempo. En cambio los estudios longitudinales de cohorte se caracterizan por hacer un seguimiento de la muestra que permite hacer inferencias con un nivel de validez externa que tanto los estudios transversales como los de carácter periódico, por sus características de diseño, no pueden llegar a lograr.

1.6.1.4. Estudios de diseño longitudinal (cohortes)

Los estudios longitudinales de cohorte, permiten hacer un seguimiento de una o varias cohortes a lo largo del tiempo con el fin de conocer la evolución real intra e interpersonal, contribuyendo a una mejor comprensión del comportamiento de los adolescentes en su camino hacia la edad adulta, así como de los efectos que puede producir el paso del tiempo.

En ese sentido, el trabajo de Telama Yang, Viikari, Välimäki, Wanne y Raitakari (2005) que realizaron un seguimiento de una cohorte durante veintiún años, obtienen que un nivel alto de AF entre los nueve y dieciocho años predice de forma moderada niveles altos de AF en la etapa adulta. Esta afirmación sobre el grado de transferencia a la edad adulta que tiene un adolescente activo, sólo puede realizarse cuando se ha hecho un seguimiento exhaustivo de la muestra.

Capítulo 1

78

El estudio longitudinal (1999 a 2004) de Nelson, Neumark-Stzainer, Hannan, Sirard y Story (2006) distribuyó 2516 adolescentes estadounidenses en dos cohortes. La primera era de adolescentes jóvenes (11 a 14 años) y la segunda de adolescentes medianos (15 a 18 años). La primera cohorte transitaba de jóvenes a medianos y la segunda de medianos a mayores. El objetivo del estudio era conocer la evolución del tiempo que dedicaban a la AFMV, encontrando cambios significativos en AFMV de las chicas con una disminución de 5,9 a 4,9 horas semanales en la primera cohorte y de 5,1 a 3,5 en la segunda. Los chicos presentan una disminución, pero solamente en la cohorte que pasa de adolescentes medianos a mayores (de 6,5 a 5,1 horas semanales).

Otro estudio de similares características fue realizado en el Reino Unido por Brodersen, Steptoe, Boniface y Wardle (2007). Se realizó un seguimiento a 5863 adolescentes de 11 y 12 años, logrando obtener respuesta del 84% de la muestra cinco años después. En este estudio se les preguntaba por la AFMV que habían realizado la semana anterior. El resultado del seguimiento fue un descenso en el número de días por semana de AFMV realizada por los adolescentes. Los chicos disminuyeron en 1,06 días y las chicas en 1,82, observándose de los chicos eran más activos que las chicas.

Otro estudio europeo de Kjønniksen, Torsheim y Wold (2008) hizo el seguimiento a 630 adolescentes noruegos desde los 13 a los 23 años, mostrando que la transición de la adolescencia hacia la edad adulta resulta en una disminución generalizada de AF. En este caso se afirma que el descenso es significativamente mayor en chicos (un 64% respecto a la primera medida) que en chicas (un 36%).

Dumith, Gigante, Domingues, Hallal, Menezes y Kohl (2012) realizaron un seguimiento de una cohorte que participó en un estudio previo realizado en la ciudad de Pelotas (Brasil) en 1993. Se estudió la evolución de una cohorte desde los 11 a los 15 años en la que participaron 4452 adolescentes que cumplimentaron un cuestionario en el que se recogía el tipo de AF que practicaban en su tiempo de ocio y el tiempo diario realizado cada día en los últimos siete días. Como principales resultados obtuvieron que los chicos habían incrementado el tiempo de AFMV, mientras que en el caso de las chicas había disminuido. Además, se concluyó que las posibilidades de

Marco teórico

79

ser físicamente activo aumentaban hasta un 50% si se había sido activo desde los once años.

Una vez realizado un recorrido tanto por estudios de revisión, como transversales y longitudinales, se podría resumir que existe un consenso bastante amplio en cuanto a la evolución de la AF en adolescentes, en la que normalmente los menores datos de práctica se suelen dar en las chicas. Respecto al cumplimiento de las recomendaciones de AF también podría decirse que los porcentajes de cumplimiento en adolescentes son bajos y que suelen ser mayores en adolescentes de familias con mayor NSE. Otro dato significativo es la clara tendencia a la disminución del tiempo de práctica en ambos sexos a medida que los adolescentes van acercándose a la edad adulta.

No obstante, estos datos no eran unánimes dado que aparecen en algunos estudios resultados que no siguen esta tendencia dominante. De ahí que sea conveniente seguir indagando en la cuestión y para ello estudios longitudinales que muestren y comparen la evolución de la AF y el cumplimiento de las recomendaciones en las distintas etapas de la adolescencia pueden resultar de interés.

Capítulo 1

80

T

abla

3. T

abla

res

umen

de

las p

rinc

ipal

es in

vest

igac

ione

s sob

re la

act

ivid

ad fí

sica

en

la a

dole

scen

cia

RE

SUL

TA

DO

S/ C

ON

CL

USI

ON

ES

- Los

chi

cos

dedi

can

más

tiem

po d

e A

F qu

e la

s ch

icas

, es

peci

alm

ente

a m

edid

a qu

e la

AF

es m

ás v

igor

osa.

- L

os ti

empo

s de

AF

y lo

s po

rcen

taje

s de

cum

plim

ient

o de

las

reco

men

daci

ones

dis

min

uyen

gra

dual

men

te e

n am

bos s

exos

con

la e

dad.

- E

l mét

odo

de a

uto-

info

rme,

el m

ás u

tiliz

ado

pese

a su

s lim

itaci

ones

(m

ás i

mpr

ecis

os c

on j

óven

es q

ue c

on

adul

tos)

. - D

ism

inuc

ión

prog

resi

va d

el ti

empo

ded

icad

o a

la A

F du

rant

e la

ado

lesc

enci

a.

- La

m

ayor

ía

de

estu

dios

re

visa

dos

enco

ntra

ban

dife

renc

ias

entre

chi

cos

y ch

icas

, si

endo

en

algu

nas

inve

stiga

cion

es la

dis

min

ució

n m

ás a

cusa

da e

n ch

icos

de

eda

des

más

ava

nzad

as,

mie

ntra

s qu

e en

otro

s la

re

ducc

ión

fue

más

acu

ciad

a en

chi

cas

con

edad

es m

ás

tem

pran

as.

- El

cues

tiona

rio d

e au

to-in

form

e es

la

man

era

más

ha

bitu

al d

e obt

ener

info

rmac

ión

sobr

e el t

iem

po d

e AF.

- E

ntre

la

s lim

itaci

ones

de

stac

a la

te

nden

cia

a la

so

bree

stim

ació

n de

l tie

mpo

de

AF

por

parte

de

los

info

rman

tes

jóve

nes,

así

com

o la

mod

erad

a o

baja

co

rrel

ació

n en

tre e

stud

ios.

- Los

aut

ores

con

cluy

en q

ue e

ntre

el 6

0 y

el 7

0% d

e lo

s ad

oles

cent

es

no

cum

plen

la

s re

com

enda

cion

es

de

AFM

V.

No

encu

entra

n ev

iden

cias

cla

ras

de q

ue e

l tie

mpo

de

prác

tica

tiend

a a

dism

inui

r.

DIS

EÑ

O

Rev

isió

n

Rev

isió

n

Rev

isió

n

MU

EST

RA

Div

erso

s paí

ses d

e la

Uni

ón

Euro

pea

26 e

stud

ios q

ue c

umpl

iero

n lo

s crit

erio

s de

incl

usió

n

Artí

culo

s que

util

izan

cu

estio

nario

s de

auto

-in

form

e co

mo

mét

odo

de

reco

gida

de

dato

s

AÑ

O

2006

2011

2011

AU

TO

RE

S

Arm

stro

ng y

W

elsm

an

Dum

ith,

Gig

ante

, D

omin

gues

y

Koh

l

Ekel

und,

To

mki

nson

y

Arm

stro

ng

Marco teórico

81

RE

SUL

TA

DO

S/ C

ON

CL

USI

ON

ES

- El 4

0% d

e la

s ch

icas

y e

l 57%

de

los

chic

os c

umpl

ían

con

las

reco

men

daci

ones

de

A

F,

dánd

ose

una

dism

inuc

ión

del

cum

plim

ient

o en

la

s ch

icas

más

m

ayor

es.

- Aso

ciac

ión

posi

tiva

y si

gnifi

cativ

a en

tre

el

cum

plim

ient

o de

las

reco

men

daci

ones

y te

ner u

n N

SE

alto

. - E

l 69

,8%

de

la

m

uest

ra

no

cum

plía

la

s re

com

enda

cion

es d

e A

F.

- Los

chi

cos s

on m

ás a

ctiv

os q

ue la

s chi

cas.

- L

a pr

eval

enci

a a

la in

activ

idad

aum

enta

con

la e

dad

en

el c

aso

de la

s chi

cas.

- L

os c

hico

s con

men

or N

SE te

nían

may

or p

roba

bilid

ad

de se

r sed

enta

rios.

- En

todo

s los

paí

ses l

as c

hica

s ded

icab

an m

enos

tiem

po

a la

AFM

V y

segu

ían

men

os la

s rec

omen

daci

ones

que

lo

s chi

cos.

- D

ism

inuí

a el

tie

mpo

de

A

F a

med

ida

que

los

adol

esce

ntes

era

n m

ás m

ayor

es.

(Los

ado

lesc

ente

s m

ayor

es d

edic

an m

enos

tie

mpo

de

AF

que

los

más

jó

vene

s).

- El t

iem

po d

e A

F di

smin

uía

cuan

do e

l NSE

era

men

or.

- Esp

aña

era

uno

de lo

s pa

íses

incl

uido

s en

el e

stud

io y

cu

mpl

ía e

l pat

rón

men

cion

ado.

DIS

EÑ

O

Tran

sver

sal

Tran

sver

sal

Tran

sver

sal

MU

EST

RA

6125

ent

re 1

4 y

17 a

ños

857

parti

cipa

ntes

bra

sile

ños

de e

ntre

10

y 19

año

s

153

028

adol

esce

ntes

de

11,

13 y

15

años

de

32 p

aíse

s

AÑ

O

2008

2008

2009

AU

TO

RE

S

But

cher

, Sa

llis,

May

er

y W

oodr

uff

Bas

tos,

Ara

újo

y H

alla

l

Bor

racc

ino

et a

l.

Capítulo 1

82

RE

SUL

TA

DO

S/ C

ON

CL

USI

ON

ES

- Los

chi

cos

eran

más

act

ivos

(71

,3%

) qu

e la

s ch

icas

(4

7,5%

). - E

l tie

mpo

de

AF

dism

inuí

a a

med

ida

que

aum

enta

ba la

ed

ad.

- Los

info

rman

tes

chic

os d

ecla

raba

n se

r más

act

ivos

que

la

s inf

orm

ante

s chi

cas.

- S

e re

gist

ró u

na d

ism

inuc

ión

del

tiem

po d

e A

F en

los

di

ario

s de

los p

artic

ipan

tes d

e 14

año

s res

pect

o de

los d

e 11

año

s.

- El

tiem

po d

e A

F se

ha

vist

o es

tabi

lizad

o en

todo

s lo

s pa

íses

exc

epto

en

Finl

andi

a, q

ue a

umen

tó li

gera

men

te.

- Los

chi

cos

son,

en

todo

s lo

s ca

sos,

los

que

más

tiem

po

dedi

can

a la

AF.

- Las

chi

cas

real

izan

men

os t

iem

po d

e A

FMV

que

los

ch

icos

. - E

l tie

mpo

ded

icad

o a

la A

F es

men

or e

n en

torn

os

fam

iliar

es c

on u

n N

SE b

ajo.

DIS

EÑ

O

Tran

sver

sal

Tran

sver

sal

Lo

ngitu

dina

l (te

nden

cia)

Long

itudi

nal

(tend

enci

a)

MU

EST

RA

2260

ado

lesc

ente

s (11

57

chic

os y

110

3 ch

icas

) de

entre

13

y 18

año

s

179

ado

lesc

ente

s ent

re 1

1 y

14 a

ños

7 pa

íses

eur

opeo

s con

ad

oles

cent

es d

e 11

a 1

5 añ

os

y ta

mañ

os m

uest

rale

s que

os

cila

ron

los

2992

has

ta lo

s 67

24

3 es

cuel

as e

scoc

esas

con

gr

upos

de

edad

de

11,5

; 13,

5 y

15,5

año

s

AÑ

O

2011

2011

20

06

2005

AU

TO

RE

S

Mar

tín-M

atill

a et

al.

Can

o, P

érez

, C

asad

o y

Alb

erol

a

Sam

dal,

Tynj

älä,

R

ober

ts,

Salli

s, V

illbe

rg y

W

old

Inch

ley,

C

urrie

, Tod

d,

Akh

tar y

C

urrie

Marco teórico

83

RE

SUL

TA

DO

S/ C

ON

CL

USI

ON

ES

- Los

chi

cos

incr

emen

taro

n el

tie

mpo

de

AFM

V e

n 16

pa

íses

, mie

ntra

s que

9 lo

redu

jero

n.

- R

espe

cto

a la

s ch

icas

, en

10 p

aíse

s hu

bo u

n au

men

to

del t

iem

po d

e A

FMV

, mie

ntra

s que

en

8 de

scen

dió.

- S

ólo

un 2

3,1%

de

los

chic

os y

un

14,0

% d

e la

s ch

icas

de

clar

aban

cum

plir

las

reco

men

daci

ones

de

AFM

V,

sien

do lo

s ado

lesc

ente

s m

ás jó

vene

s y lo

s que

tení

an u

n N

SE a

lto la

s que

más

las s

eguí

an.

- Se

evid

enci

a un

des

cens

o en

el t

iem

po d

e A

FMV

de

los

adol

esce

ntes

más

may

ores

(14

y 15

año

s).

- Obt

uvie

ron

que

entre

199

1 y

2007

la

prev

alen

cia

de

real

izar

suf

icie

nte

MV

PA h

abía

cam

biad

o po

co e

n es

e pe

riodo

(de

65,8

% a

64,

1%).

- Se

obtu

vo

un

prom

edio

de

cu

mpl

imie

nto

de

las

reco

men

daci

ones

de

AF

en

los

34 p

aíse

s de

l 23,

8% d

e lo

s chi

cos y

el 1

5,4%

de

las c

hica

s. -

La m

enor

pre

vale

ncia

se o

bser

vó e

n Fi

lipin

as y

Zam

bia

(8,8

%) y

la m

ás a

lta e

n In

dia

(37,

5%) c

onsi

derá

ndos

e el

m

ejor

resu

ltado

com

o ba

jo.

DIS

EÑ

O

Long

itudi

nal

(tend

enci

a)

Long

itudi

nal

(tend

enci

a)

Long

itudi

nal

(tend

enci

a)

Long

itudi

nal

(tend

enci

a)

MU

EST

RA

479

674

adol

esce

ntes

ent

re

11 a

15

años

pre

veni

ente

s de

32 p

aíse

s de

todo

el m

undo

Mue

stra

repr

esen

tativ

a de

ad

oles

cent

es

Esta

doun

iden

ses d

e en

tre 1

1 a

15 a

ños

Mue

stra

de

adol

esce

ntes

Es

tado

unid

ense

s de

entre

15

a 18

año

s que

var

ió e

ntre

10

904

a 1

6 29

6 su

jeto

s

7284

5 es

cola

res e

ntre

13

y 15

año

s pro

veni

ente

s de

34

país

es d

e to

do e

l mun

do

AÑ

O

2015

2006

2010

2010

AU

TO

RE

S

Kal

man

et

al.

Ada

ms

Li, T

reut

h y

Wan

g

Gut

hold

, C

owan

, A

uten

rieth

, K

ann

y R

iley

Capítulo 1

84

RE

SUL

TA

DO

S/ C

ON

CL

USI

ON

ES

- Man

tene

r ni

vele

s al

tos

de

AF

entre

lo

s nu

eve

y di

ecio

cho

años

pre

dice

de

form

a m

oder

ada

nive

les a

ltos

de A

F en

la e

tapa

adu

lta.

- Las

chi

cas e

xper

imen

taro

n un

des

cens

o si

gnifi

cativ

o en

el

tiem

po d

edic

ado

a A

FMV

en

amba

s coh

orte

s.

- Los

chi

cos

tam

bién

dis

min

uyer

on e

l tie

mpo

de

AFM

V

pero

sólo

en

el c

aso

de la

coh

orte

may

or.

- Se

obtu

vo u

n de

scen

so e

n el

núm

ero

de d

ías p

or se

man

a de

AFM

V re

aliz

ada

por l

os a

dole

scen

tes.

- L

os c

hico

s se

mos

traro

n m

ás a

ctiv

os q

ue la

s ch

icas

y

dism

inuy

eron

men

os su

prá

ctic

a.

DIS

EÑ

O

Long

itudi

nal

(coh

orte

)

Long

itudi

nal

(coh

orte

)

Long

itudi

nal

(coh

orte

)

MU

EST

RA

2309

suje

tos s

egui

dos

dura

nte

21 a

ños

2516

ado

lesc

ente

s es

tado

unid

ense

s dis

tribu

idos

en

dos

coh

orte

s (jó

vene

s (11

a

14 a

ños)

y m

edia

nos (

15 a

18

año

s)),

segu

idos

dur

ante

5

años

5863

ado

lesc

ente

s de

11 y

12

años

, seg

uido

s dur

ante

5

años

AÑ

O

2005

2006

2007

AU

TO

RE

S

Tela

ma

Yan

g,

Viik

ari,

Väl

imäk

i, W

anne

y

Rai

taka

ri

Nel

son,

N

eum

ark-

Stza

iner

, H

anna

n,

Sira

rd y

St

ory

Bro

ders

en,

Step

toe,

B

onifa

ce y

W

ardl

e

Marco teórico

85

RE

SUL

TA

DO

S/ C

ON

CL

USI

ON

ES

- En

la t

rans

ició

n de

sde

la a

dole

scen

cia

haci

a la

eda

d ad

ulta

, los

ado

lesc

ente

s dis

min

uyer

on e

l tie

mpo

de

AF.

- E

n es

te c

aso

el d

esce

nso

es si

gnifi

cativ

amen

te m

ayor

en

chic

os q

ue e

n ch

icas

.

- Los

chi

cos

vier

on i

ncre

men

tado

el

tiem

po d

e A

FMV

, m

ient

ras q

ue la

s chi

cas l

o di

smin

uyer

on.

- Ade

más

, se

con

cluy

ó qu

e la

s po

sibi

lidad

es d

e se

r fís

icam

ente

act

ivo

con

11 a

ños

aum

enta

ban

hast

a un

50

% si

se h

abía

sido

act

ivo

con

once

año

s.

DIS

EÑ

O

Long

itudi

nal

(coh

orte

)

Long

itudi

nal

(coh

orte

)

MU

EST

RA

630

adol

esce

ntes

de

13 a

ños

segu

idos

dur

ante

10

años

4452

ado

lesc

ente

s ent

re 1

1 y

15 a

ños s

egui

dos d

uran

te 4

añ

os

AÑ

O

2008

2012

AU

TO

RE

S

Kjø

nnik

sen,

To

rshe

im y

W

old

Dum

ith,

Gig

ante

, D

omin

gues

, H

alla

l, M

enez

es y

K

ohl

Capítulo 1

86

1.6.2. La investigación sobre el sobre uso de medios tecnológicos de pantalla en la adolescencia

El tiempo que dedican los adolescentes al UMTP es también un tema candente que se aborda tanto a nivel nacional como internacional. Muchos macro-estudios, mencionados en apartados anteriores, incluyen ítems relacionados con las CS en general, así como el UMTP en particular. Concretamente ítems vinculados con el uso de medios tecnológicos que, aunque no suponga la totalidad de las CS que puede realizar un adolescente, sí se ha observado que son las que tienen más arraigo en este grupo de edad. Tanto es así que desde la primera recomendación propuesta por la American Academy of Pediatrics (AAP, 2001) advirtiendo que no se superaran las dos horas de uso de la televisión (TV), han proliferado numerosos estudios, tanto de revisión como descriptivos o de seguimiento, sobre el tiempo de UMTP en adolescentes.

Estos trabajos permiten tener una concepción general de cómo han ido instalándose estos medios tecnológicos a lo largo de las últimas dos décadas en la vida cotidiana de los adolescentes. A continuación se detallarán algunos de los resultados de estos trabajos, pudiendo encontrar los mismos de manera resumida en la Tabla 4.


Marshall, Gorely y Biddle (2006) realizan una revisión sistemática del tiempo de uso de la TV, el ordenador y los videojuegos desde 1949 hasta 2004. La inclusión en la revisión se limitaba a estudios con muestras de adolescentes, entendiendo como adolescentes aquellas muestras que al menos mayoritariamente fueran menores de 18 años. Los principales resultados del estudio indican que los jóvenes menores de 18 años veían una media de 1,8 a 2,8 horas diarias de TV. La mayoría de ellos (66%) veían menos de 2 horas, cumpliendo así las recomendaciones, pero un 28% de los adolescentes consumen más de 4 horas de TV al día. Respecto a los videojuegos, los chicos los utilizan más que las chicas (60 frente a 23 minutos al día), mientras que no existen diferencias en el uso de ordenador.

Marco teórico

87

Parece que el uso de la TV decrece a lo largo de la adolescencia, aunque aquellas personas que hacen un uso muy alto (más de cuatro horas diarias) tienden a mantener niveles altos de uso de TV cuando son adultos.

Biddle, Pearson, Ross y Braithwaite (2010) llevaron a cabo una revisión de estudios longitudinales con el fin de conocer el grado de seguimiento (tracking) que se hacía en estos estudios sobre las conductas sedentarias de los adolescentes concretamente sobre el UMTP. Para ello se analizaron catorce estudios, once de ellos utilizando como instrumento el cuestionario de auto-informe. Como criterios básicos de inclusión se plantearon que contaran con una muestra de inicio de niños y/o adolescentes y que hicieran el seguimiento de al menos un comportamiento sedentario. Se tuvo en consideración un valor llamado coeficiente de seguimiento (r). Este valor oscila en el intervalo de 0 a 1, aceptando que el seguimiento era escaso cuando los valores estaban entre 0,1 y 0,29, moderado entre 0,30 y 0,49 o grande para valores superiores a 0,5. Para ello se siguieron los puntos de corte descritos por Cohen (1988). De acuerdo a estos valores de referencia se obtuvo que el seguimiento para TV fluctuaba entre 0,18 y 0,52; para los ordenadores y videojuegos entre 0,16 y 0,65 y para el UMTP general entre 0,15 y 0,48. Por tanto, concluyeron que el seguimiento del comportamiento sedentario de los adolescentes va de bajo a moderado, por lo que convendría hacer un seguimiento más exhaustivo de la evolución de este comportamiento en adolescentes.

Hallal, Andersen, Bull, Guthold, Haskell y Ekelund, (2012) realizaron una revisión de cinco macro-estudios entre los que se encontraba un trabajo de la HBSC. Se incluyó información de cuarenta países de Europa y Norteamérica, estimándose que el 66% de los chicos y el 68% de las chicas de 13 a 15 años pasaban dos horas o más viendo TV, superándose en todos los países del estudio, excepto en Suiza, el umbral del 50% de las adolescentes que superan las recomendaciones de UMTP.

Posteriormente, el grupo Active Living Research realiza un estudio de revisión en el que se estudia las tendencias (trends) relacionadas con los comportamientos sedentarios de los adolescentes, considerando además variables como el sexo, la edad, la raza o el NSE. Finalmente fueron siete los trabajos que se incluyeron, la mayoría de ellos obteniendo la información mediante cuestionarios de auto-informe. Las principales conclusiones de la

Capítulo 1

88

revisión fueron que los adolescentes consumen entre seis y ocho horas diarias en actividades sedentarias fuera de la escuela. Además, tanto el tiempo dedicado a UMTP como el grado de cumplimiento de las recomendaciones habían aumentado en los últimos años, siendo los adolescentes más mayores más propensos a superar las recomendaciones de UMTP que los adolescentes jóvenes. Por otro lado, los adolescentes de menor NSE dedicaban más tiempo a UMTP que los de familias con ingresos más altos (Lou, 2014).

Vistos los resultados de los principales estudios de revisión, a continuación se expondrán los resultados de algunos estudios de diseño transversal que, teniendo como tema principal el tiempo de UMTP durante la adolescencia, fueron considerados de interés.


Mathers, Canterford, Olds, Hesketh, Ridley y Wake (2009) realizaron un estudio mediante el que pretendían conocer el tiempo que los adolescentes australianos invertían en el UMTP (televisión, ordenador, video juegos y teléfono móvil). Para ello cumplimentaron el cuestionario Multimedia Activity Recall for Children and Adolescents (MARCA) de Ridley, Olds y Hill (2006). Como resultados obtuvieron que los adolescentes utilizaban 3 horas y 16 minutos de UMTP, siendo la TV la más utilizada (2 horas y 8 minutos), seguido de los videojuegos (35 minutos) el ordenador (19 minutos) y el teléfono móvil (13 minutos). Los chicos dedicaban de media más tiempo al UMTP en general, viendo más TV, jugando más a videojuegos. No obstante, el uso del ordenador fue similar entre chicos y chicas y el teléfono es más utilizado por las chicas.

También en Australia, Hardy, Dobbins, Denney-Wilson, Okely y Booth (2009) realizaron un trabajo en el que participaron 2750 adolescentes de entre 11 y 15 años mediante el que se deseaba conocer el tiempo dedicado a las CS que llamaron recreacionales de pequeña pantalla (small screen recreation). Para ello utilizaron el cuestionario Adolescent Sedentary Activity Questionnaire (ASAQ) validado por Hardy, Booth y Okely en 2007. En este estudio, los adolescentes invertían entre 2,5 y 3,1 horas de UMTP,

Marco teórico

89

siendo los chicos más sedentarios que las chicas en todas las edades. Además, los adolescentes de once años eran menos sedentarios que los de trece y prácticamente igual que los de quince años.

Foley, Maddison, Jiang, Oldsb y Ridley (2011) utilizaron los datos del cuestionario MARCA, anteriormente citado, para publicar un estudio en el que analizaron el comportamiento sedentario de 1315 adolescentes neozelandeses de diez a dieciocho años. Como resultado se obtuvo que los participantes declararon invertir una media de tres horas y un minuto diarios en el UMTP, concretamente TV y videojuegos. Considerando el sexo, los chicos eran más sedentarios (3 horas y 17 minutos) que las chicas (2 horas y 42 minutos). Además, los adolescentes más jóvenes (10 a 14 años) mostraron menos tiempo de UMTP (2 horas y 54 minutos) que los adolescentes más mayores (15 a 18 años) (3 horas y 14 minutos).

Ya en Europa, Yang, Helgason, Sigfusdottir y Kristjansson (2012) realizaron un estudio en el que participaron 10829 adolescentes Islandeses de 10 a 12 años (49,5% chicas), mediante el que se quería conocer la magnitud del tiempo diario dedicado al UMTP. En este trabajo se mostró que los chicos presentaban una mayor AS, con tiempos muy altos de UMTP (más de 4 horas diarias) que sobrepasaban claramente las recomendaciones (más de 2 horas y menos de 4 diarias). La diferencia más importante se encontró en el uso del ordenador para jugar (5,9% del tiempo total en chicos por 1,4% de chicas). Destacar que la prevalencia en cada uno de los medios fue mayor en los chicos que en las chicas, excepto en el uso de internet para comunicarse, en el que las chicas ocupaban de media el 15,2% de su tiempo libre de uso de medios tecnológicos frente al 12,1% de los chicos.

En lo referente a estudios en España, Bercedo, Redondo, Pelayo, Gómez, Hernández y Cadenas (2005), realizaron un trabajo en el que describían la utilización de distintos medios de tecnológicos en los adolescentes (televisión, móvil, ordenador, internet y videojuegos). Una muestra de 884 adolescentes cántabros cumplimentaron una encuesta a tal efecto y encontraron que los adolescentes veían una media de tres horas al día de TV entre semana, aumentando en doce minutos más durante el fin de semana. Respecto a los videojuegos, declaraban un uso de cuarenta y un minutos entre semana que ascendía a sesenta y cinco en el fin de semana, logrando datos similares para el uso de internet (49 minutos entre semana y

Capítulo 1

90

69 en fin de semana). Las diferencias por sexo se observaron en el uso del móvil, ya que aunque el 87,2 % de los adolescentes declararon tenerlo, fueron las chicas las que más aludieron a su uso diario (91,6 % frente al 82,4 % de los chicos). En cambio, en referencia al uso de videojuegos, siendo que el 71,5% de los adolescentes los tienen en casa, son los chicos los que más declaran utilizarlos (87% frente al 57,2 % de las chicas).

Otro estudio español es el de Devís-Devís, Peiró-Velert, Beltrán-Carrillo y Tomás (2009) que evaluaron el UMTP y su relación con determinadas variables sociodemográficas para una muestra de 323 adolescentes de la Comunidad Valenciana entre 12 y 16 años. En este caso los resultados mostraron una media de dos horas y treinta minutos diarios de UMTP de los que una hora y cuarenta y tres minutos fueron de TV, dieciséis minutos de ordenador y videojuegos y treinta y un minutos de teléfono móvil. Además se encontró que los adolescentes más mayores (14-16 años) dedicaban más tiempo que los más jóvenes.

Finalmente, García-Continente, Pérez-Giménez, Espelt y Nebot (2013) llevaron a cabo un estudio para determinar el UMTP en estudiantes de secundaria. Los datos se recopilaron mediante un cuestionario de auto-informe y pertenecen al estudio de factores de riesgo en escolares (FRESC) que realiza periódicamente la agencia de salud pública de Barcelona (ASPB). Participó una muestra de 2675 adolescentes de entre 13 y 19 años, que respondían al tiempo invertido en ver TV, jugar a videojuegos y utilizar el ordenador. Como resultados se obtuvo que alrededor del 50% de los estudiantes invertían más de dos horas al día viendo TV. Los chicos utilizaban más los videojuegos y el ordenador que las chicas (14,7 y 68% frente al 1,5 y el 61,7%) y el UMTP era mayor en los adolescentes con un bajo NSE.

A la luz de los resultados de los estudios transversales, parece haber coincidencias en que el cumplimiento de las recomendaciones de UMTP es menor del que serían deseable, observándose además un uso excesivo generalizado de medios tecnológicos. Parece haber también bastante consenso en que los chicos presentan un mayor comportamiento sedentario en lo que a UMTP se refiere, destacando sobre todo en el uso del ordenador y los videojuegos. Por otro lado, las chicas muestran una prevalencia mayor a la de los chicos en el uso social de los medios tecnológicos, ya que suelen

Marco teórico

91

utilizar más el móvil o internet con fines comunicativos. Por último, destacar que parece compartirse la idea de la tendencia al aumento del tiempo que dedican al UMTP a medida que van creciendo. No obstante, como ya se dijo en el apartado anterior, este tipo de afirmaciones tienen más consistencia cuando se incluye la variable tiempo o la evolución del comportamiento en los estudios de investigación. De ahí la conveniencia de conocer también resultados de estudios con diseños longitudinales.

1.6.2.3. Estudios de diseño longitudinal periódico (tendencia)

Algunos de los macro-estudios prospectivos de tendencia incluyen ítems relacionados con el UMTP. Por ejemplo, en el citado trabajo de Samdal et al. (2006), en el que recogían datos del HBSC, se analiza también el tiempo de uso que dan los adolescentes de 11 a 15 años a la TV. En ese sentido no se observó un patrón claro ya que, además de darse grandes cambios, en un periodo de 12 años (de 1985 a 1997) los resultados en cada país muestran tanto incrementos como descensos de una medición con respecto a la siguiente. Sí se vio, en cambio, que en todos los casos los chicos veían más TV que las chicas.

Del mismo modo, en el trabajo de Guthold et al. (2010), en el que recopilaron datos de treinta y cuatro países durante el periodo de 2003 a 2007, se analizó información relativa al UMTP. En este caso se concluyó que en la mitad de los países estudiados existía más de un 30% de los adolescentes que mostraban un UMTP diario superior a las tres horas.

En este mismo año en Norteamérica, Li, Treuth y Wang (2010) examinaron datos de la encuesta del YRBSS desde el año 1991 a 2007, con el fin de conocer las tendencias del consumo de TV entre otras variables, de los adolescentes entre 15 y 18 años. Los resultados obtenidos indicaron que, contrariamente a la tendencia habitual, la prevalencia de uso de TV disminuyó significativamente durante este periodo de tiempo (de 42,8% a 35,4%).

Finalmente, Rideout, Foehr y Roberts (2010) publicaron un artículo con datos provenientes del estudio Media in the Lives of 8- to 18-Year-Olds, un estudio quinquenal desarrollado por la Kaiser Family Foundation. El trabajo

Capítulo 1

92

contó con una muestra de 2000 niños y adolescentes de Estados Unidos. Los resultados del estudio mostraron que los adolescentes americanos habían aumentado en los últimos años el UMTP, pasando de 6 horas 19 minutos de UMTP en 1999 a 7 horas y 38 minutos en 2009. Este trabajo aporta además un dato no presentado hasta el momento y que hace referencia a la AS multitarea, es decir el tiempo que los adolescentes utilizan a la vez más de un medio tecnológico. Así pues, encontraron que en 1999 dedicaban un 16% del tiempo a las multitareas mientras que en 2009 este porcentaje prácticamente se duplicó hasta llegar al 29% del tiempo de UMTP. También se obtuvo en este trabajo diferencias por sexos, siendo los chicos los que dedicaban más tiempo a UMTP que las chicas. En cuanto a los grupos de edad se diferencia un grupo de 8 a 10 años, otro de 11 a 14 y otro de 15 a 18, siendo el grupo de edad intermedia el de mayor UMTP.

Teniendo en cuenta estos estudios, se podría decir que la tendencia general durante la adolescencia es a dedicar mucho tiempo al UMTP, aunque no se puede afirmar que haya un consenso claro que indique un aumento globalizado en las últimas dos décadas. Así parece indicarlo el estudio de Li, Treuth y Wang (2010) al no encontrar diferencias evidentes y también el estudio de Rideout, Foehr y Roberts (2010) que incluso declara un descenso del tiempo de UMTP. Además, este último trabajo, aunque afirma que la tendencia es al alza, encuentra que el grupo de edad más sedentario sería el grupo intermedio, lo que podría llevar a cuestionar que los adolescentes sean más sedentarios a medida que avanzan hacia la edad adulta.


Hancox, Milne y Poulton (2005) realizaron un estudio longitudinal en el que se hizo un seguimiento de 26 años, desde prácticamente el nacimiento, a una muestra cercana a 1000 ciudadanos de Nueva Zelanda. Se pretendía conocer si se daban cambios en el tiempo de uso de la televisión desde la niñez hasta la edad adulta. Tras el análisis de los datos, se estableció que los participantes declararon ver TV una media de dos horas y tres minutos diarias entre los 5 y 11 años, viéndose incrementado a una media de tres horas y ocho minutos entre los 13-15 años. Además, se pudo afirmar que los

Marco teórico

93

chicos de 5-15 años mantenían una media de visionado de TV ligeramente mayor que la de las chicas.

Nelson, Neumark-Stzainer, Hannan, Sirard y Story. (2006), en su estudio longitudinal de 5 años (1999 a 2004) en el que estudian la evolución de los hábitos saludables de dos cohortes de adolescentes estadounidenses (jóvenes, 11 a 14 años y medianos, 15 a 18 años), encontraron diferencias en función del sexo y del tipo de actividad. En el caso de las chicas se observó que en la transición de la adolescencia temprana a la intermedia disminuyó el tiempo dedicado a ver TV en 2,2 horas semanales. En cambio, en los chicos se encontró un aumento del uso del ordenador tanto en el paso de la adolescencia temprana a la intermedia (de 11,4 a 15,2 horas semanales) como de la intermedia a la adolescencia tardía (de 10,4 a 14,2 horas semanales).

En Australia, Hardy, Bass y Booth (2007) realizaron un estudio similar con un seguimiento de tres años a 200 chicas adolescentes de entre 12 y 15 años. El objetivo era describir los cambios en la AS de las chicas en su paso de la adolescencia temprana a la mediana. Así pues, se pudo saber que las chicas pasaron de ocupar en el año 2000 el 45% de su tiempo libre en actividades sedentarias al 63% en 2002. Del total de CS, el UMTP (ver TV, videos y jugar videojuegos) fueron las actividades más populares copando el 33% del tiempo. Además, se obtuvo un incremento de la AS diaria de 1,4 a 3,3 horas. Por todo ello, se confirma en este caso la existencia de un aumento considerable del UMTP en la transición de la adolescencia temprana a la intermedia en las chicas adolescentes de esta muestra australiana.

Dumith, Totaro Garcia, da Silva, Baptista y Hallal (2012), partiendo de datos del estudio Pelotas (1993) en Brasil, realizaron un seguimiento de cuatro años sobre la cohorte de adolescentes de once años, con el fin de conocer los cambios en el UMTP en las primeras etapas de la adolescencia. 4218 adolescentes completaron el estudio obteniéndose un incremento en el UMTP (TV, video, videojuegos y ordenador) desde la adolescencia temprana a la intermedia de una hora al día, siendo los chicos los que más aumentaron su AS.

Trang, Hong, van der Ploeg, Hardy, Kelly y Dibley (2013), en cambio, estaban interesados en aportar datos sobre la evolución de los hábitos sedentarios en países en desarrollo. Por ello, realizaron un seguimiento desde

Capítulo 1

94

el año 2004 a 2009, sobre 759 adolescentes vietnamitas (364 chicos) de doce años que cumplimentaron el cuestionario de auto-informe ASAQ. Como resultado principal encontraron que el tiempo total de AS fuera de la escuela había aumentado de 8 horas y 18 minutos hasta superar las 10 horas diarias, de las que el 34% se dedicó al UMTP. Además, en el último año del estudio se observó que el UMTP se había visto incrementado en un 28%, mientras que el porcentaje de adolescentes que ocupan más de dos horas diarias de UMTP también aumentó del 81,5% en 2004 al 86,4% cinco años después.

Ya en Europa, Brodersen, Steptoe, Boniface y Wardle (2007) llevaron a cabo un estudio similar en el Reino Unido entre 1999 y 2004. Se pretendía estimar el tiempo total de UMTP, preguntando a los adolescentes el número de horas que veían la TV, jugaban a videojuegos o utilizaban el ordenador. Entre los resultados destacan que el tiempo dedicado al UMTP aumentó una media de 2 horas 31 minutos por semana en chicos y 2 horas y 48 minutos en chicas, siendo los chicos los que declaran un mayor UMTP con una diferencia de 38 minutos por semana. Además se encontró que el UMTP era mayor en familias con menor NSE.

Por último, Gebremariam et al. (2012), realizaron un estudio longitudinal de tres medidas con 885 adolescentes noruegos de 11 a 13 años. Con este trabajo se pretendía evaluar la evolución de los patrones de UMTP (TV/DVD, ordenador y videojuegos) en el momento de transición de la niñez a la adolescencia. Para ello respondieron un cuestionario a través de internet encontrando que el UMTP había aumentado en ambos sexos a lo largo del tiempo, habiendo diferencias significativas entre las tres medidas. Además hubo un aumento también en el porcentaje de adolescentes que no cumplían recomendaciones, pasando de un 58,7% en 2007 a un 73,1% en 2009.

Tras haber expuesto las principales ideas que se conocen hasta el momento en relación con el UMTP a partir, tanto de los estudios de revisión como de los estudios transversales y longitudinales, podemos concluir que el tiempo de uso de medios tecnológicos es superior a las recomendaciones en prácticamente todos los contextos y culturas con mayor o menor grado de occidentalización. Además, el UMTP es mayor en contextos en los que el NSE es menor. Respecto a las diferencias por sexo, parece que generalmente se da un mayor UMTP en los chicos que en las chicas. No obstante, las chicas destacan en el UMTP con fines sociales o comunicativos (mayor uso del

Marco teórico

95

teléfono móvil o internet), mientras que el los chicos estarán más interesados en fines lúdicos y competitivos (videojuegos o el uso del ordenador para jugar). Del mismo modo, parece que la tendencia que se confirma con los estudios longitudinales es al aumento del UMTP. En ello probablemente tenga mucho que ver el incesante desarrollo tecnológico comentado en apartados anteriores, donde la facilidad del acceso a la red, la aparición de ordenadores de última generación, las tabletas electrónicas, junto con los teléfonos inteligentes, proporcionan numerosas posibilidades de uso, no solo exclusivo sino simultáneo, como puede observarse con el incremento UMTP multitarea. Resulta cuanto menos curioso que la inclusión del teléfono móvil sea tan poco habitual en los estudios recientes, por lo que, conociendo la omnipresencia que tiene en la actualidad, sobre todo desde la aparición de la tecnología Smartphone, parece coherente considerar su uso en sucesivos estudios. Por otro lado, la reducida presencia de estudios longitudinales en el ámbito español que aborden la cuestión del UMTP en adolescentes, hace del todo pertinente plantear estudios futuros que analicen la evolución del UMTP y el cumplimiento de las recomendaciones a lo largo de la adolescencia a nivel estatal.

Capítulo 1

96

Tab

la 4

. Tab

la r

esum

en d

e la

s pri

ncip

ales

inve

stig

acio

nes s

obre

el u

so d

e m

edio

s tec

noló

gico

s en

la a

dole

scen

cia

RE

SUL

TA

DO

S/ C

ON

CL

USI

ON

ES

- Los

jóve

nes

men

ores

de

18 a

ños

veía

n un

a m

edia

de

1,8

a 2,

8 ho

ras d

iaria

s de

TV.

- El

66%

cum

plen

las

rec

omen

daci

ones

de

UM

TP

mie

ntra

s que

un

28%

hac

en u

n us

o m

ayor

a 4

hor

as.

- Lo

s chi

cos u

tiliz

an m

ás lo

s vid

eoju

egos

que

las c

hica

s, m

ient

ras

que

no e

xist

en d

ifere

ncia

s en

el

uso

de

orde

nado

r. - E

l uso

de

la T

V d

ecre

ce a

lo la

rgo

de la

ado

lesc

enci

a,

salv

o en

las

pers

onas

que

sup

eran

las

4 ho

ras

de u

so

diar

io, q

ue ti

ende

n ad

emás

a m

ante

ner n

ivel

es a

ltos d

e us

o cu

ando

son

adul

tos.

- Vie

ron

que

la v

alid

ez d

e lo

s es

tudi

os d

e se

guim

ient

o qu

e in

cluí

an

varia

bles

de

U

MTP

er

a de

ba

ja

a m

oder

ada.

- P

lant

ean

la

nece

sida

d de

re

aliz

ar

estu

dios

m

ás

exha

ustiv

os p

ara

cono

cer l

a ev

oluc

ión

del U

MTP

en

adol

esce

ntes

.

- De

la i

nfor

mac

ión

acer

ca d

e lo

s co

mpo

rtam

ient

os

sede

ntar

ios s

e ex

trae

que

el 6

6% d

e los

chic

os y

el 6

8%

de la

s chi

cas d

e eur

opeo

s y n

orte

amer

ican

os d

e 13

a 1

5 añ

os su

pera

n la

s rec

omen

daci

ones

de

UM

TP.

- Ade

más

, en

todo

s lo

s pa

íses

con

sulta

dos

en e

l est

udio

ex

cept

o en

Sui

za, e

l por

cent

aje

de in

cum

plim

ient

o de

la

s rec

omen

daci

ones

sup

era

el 5

0%

DIS

EÑ

O

Rev

isió

n

Rev

isió

n

Rev

isió

n

MU

EST

RA

90 e

stud

ios p

ublic

ados

en

revi

stas

de

habl

a in

gles

a en

tre 1

949

y 20

04, c

on d

atos

de

539

mue

stra

s in

depe

ndie

ntes

14 a

rtícu

los s

e in

cluy

eron

en

este

revi

sión

, par

a un

tota

l de

21 m

uest

ras d

istin

tas

5 m

acro

-est

udio

s con

m

uest

ras d

e 10

5 pa

íses

con

ad

oles

cent

es d

e 13

a 1

5 añ

os

AÑ

O

2006

2010

2012

AU

TO

RE

S

Mar

shal

l, G

orel

y y

Bid

dle

Bid

dle,

Pe

arso

n,

Ros

s y

Bra

ithw

aite

Hal

lal,

And

erse

n,

Bul

l, G

utho

ld,

Has

kell

y Ek

elun

d

Marco teórico

97

RE

SUL

TA

DO

S/ C

ON

CL

USI

ON

ES

- Los

ado

lesc

ente

s rea

lizan

de

6 a

8 ho

ras d

e A

S fu

era

de

la e

scue

la.

- Tan

to

el

tiem

po

dedi

cado

al

U

MTP

co

mo

el

incu

mpl

imie

nto

de l

as r

ecom

enda

cion

es d

e us

o ha

n au

men

tado

en

los ú

ltim

os a

ños.

- Los

ado

lesc

ente

s de

men

or N

SE s

on m

ás p

rope

nsos

a

supe

rar l

as re

com

enda

cion

es d

e U

MTP

.

- Los

ado

lesc

ente

s de

dica

n de

med

ia m

ás d

e 3

hora

s al

U

MTP

. -

La T

V e

s la

más

util

izad

a, s

egui

da d

e lo

s vi

deoj

uego

s, el

ord

enad

or y

el t

eléf

ono

móv

il.

- Los

chi

cos

dedi

can

más

tiem

po a

l UM

TP to

tal,

vien

do

más

TV

y ju

gand

o m

ás a

vid

eoju

egos

. No

obst

ante

, el

uso

del o

rden

ador

fue

sim

ilar e

ntre

chi

cos

y ch

icas

y e

l te

léfo

no m

óvil

más

util

izad

o po

r la

s ch

icas

que

los

ch

icos

.

- Los

adol

esce

ntes

invi

erte

n de

med

ia en

tre 2

,5 y

3,1

hor

as

en e

l UM

TP.

- Los

chi

cos

son

más

sed

enta

rios

que

las

chic

as e

n to

das

las e

dade

s.

- Los

ado

lesc

ente

s de

11 a

ños s

on m

enos

sede

ntar

ios q

ue

los d

e 13

y p

ráct

icam

ente

igua

l que

los d

e 15

año

s.

DIS

EÑ

O

Rev

isió

n

Tran

sver

sal

Tran

sver

sal

MU

EST

RA

7 tra

bajo

s con

mue

stra

s de

niño

s y a

dole

scen

te

925

adol

esce

ntes

con

una

ed

ad m

edia

de

16,1

año

s

2750

ado

lesc

ente

s de

entre

11

y 1

5 añ

os

AÑ

O

2014

2009

2009

AU

TO

RE

S

Lou

(Act

ive

Livi

ng

Res

earc

h)

Mat

hers

, C

ante

rfor

d,

Old

s, H

eske

th,

Rid

ley

y W

ake

Har

dy,

Dob

bins

, D

enne

y-W

ilson

, O

kely

y

Boo

th

Capítulo 1

98

RE

SUL

TA

DO

S/ C

ON

CL

USI

ON

ES

- Los

par

ticip

ante

s de

clar

aron

inv

ertir

una

med

ia d

e 3

hora

s y 1

min

uto

diar

ios e

n el

UM

TP.

- Los

chi

cos s

on m

ás se

dent

ario

s que

las c

hica

s.

- Los

ado

lesc

ente

s jó

vene

s (1

0 a

14 a

ños)

pre

sent

aron

m

enos

tiem

po d

e U

MTP

que

los

adol

esce

ntes

may

ores

(1

5 a

18 a

ños)

.

- Los

chi

cos d

edic

an m

ás ti

empo

al U

MTP

que

las c

hica

s.

- La

dife

renc

ia m

ás im

porta

nte

se e

ncon

tró e

n el

uso

del

or

dena

dor p

ara

juga

r en

favo

r de

los c

hico

s. - E

l us

o de

inte

rnet

par

a co

mun

icar

se f

ue m

ayor

en

las

chic

as q

ue e

n lo

s chi

cos.

- Los

ado

lesc

ente

s ve

ían

una

med

ia d

e 3

diar

ias

de T

V

entre

sem

ana,

aum

enta

ndo

12 m

inut

os e

n fin

de

sem

ana.

- R

espe

cto

al u

so d

e vi

deoj

uego

s o

de in

tern

et s

uper

aban

lo

s 40

min

utos

ent

re se

man

a y

los 6

0 en

fin

de se

man

a.

- Las

dife

renc

ias

por

sexo

se

obse

rvar

on e

n el

uso

del

m

óvil

sien

do la

s ch

icas

las

que

may

or u

so h

acía

n. E

n ca

mbi

o, lo

s vi

deoj

uego

s er

an m

ás u

tiliz

ados

los

por l

os

chic

os.

DIS

EÑ

O

Tran

sver

sal

Tran

sver

sal

Tran

sver

sal

MU

EST

RA

1315

ado

lesc

ente

s ne

ozel

ande

ses d

e en

tre 1

0 y

18 a

ños

10 8

29 a

dole

scen

tes

Isla

ndes

es d

e 10

a 1

2 añ

os

(49,

5% c

hica

s)

884

adol

esce

ntes

de

la

prov

inci

a de

Can

tabr

ia

AÑ

O

2009

2012

2005

AU

TO

RE

S

Fole

y,

Mad

diso

n,

Jian

g, O

ldsb

y

Rid

ley

Yan

g,

Hel

gaso

n,

Sigf

usdo

ttir y

K

ristja

nsso

n

Ber

cedo

, R

edon

do,

Pela

yo,

Góm

ez,

Her

nánd

ez y

C

aden

as

Marco teórico

99

RE

SUL

TA

DO

S/ C

ON

CL

USI

ON

ES

- Se

decl

aró

un U

MTP

de

2 ho

ras y

30

min

utos

dia

rios.

- De

ello

s, 1

hora

y 4

0 m

inut

os fu

eron

de

TV, 1

6 m

inut

os

de o

rden

ador

y v

ideo

jueg

os y

30

min

utos

de

telé

fono

m

óvil.

- L

os ad

oles

cent

es m

ayor

es d

edic

aban

más

tiem

po q

ue lo

s jó

vene

s.

- La

mita

d de

los

adol

esce

ntes

inve

rtían

más

de

2 ho

ras

diar

ias v

iend

o TV

. - L

os c

hico

s de

clar

aron

un

may

or u

so d

e lo

s vid

eoju

egos

y

orde

nado

r que

las c

hica

s.

- Los

ado

lesc

ente

s co

n m

enor

NSE

pre

sent

aron

más

tie

mpo

de

UM

TP.

- Los

resu

ltado

s en

cada

paí

s mue

stra

n ta

nto

incr

emen

tos

com

o de

scen

sos

de u

na m

edic

ión

con

resp

ecto

a l

a si

guie

nte.

- E

n to

dos

los

caso

s lo

s ch

icos

veí

an m

ás ti

empo

la T

V

que

las c

hica

s.

- En

la m

itad

de lo

s pa

íses

est

udia

dos

exis

tía m

ás d

e un

30

% d

e ad

oles

cent

es q

ue m

ostra

ban

un U

MTP

dia

rio

supe

rior a

3 h

oras

.

DIS

EÑ

O

Tran

sver

sal

Tran

sver

sal

Lo

ngitu

dina

l (te

nden

cia)

Long

itudi

nal

(tend

enci

a)

MU

EST

RA

323

adol

esce

ntes

de

la

Com

unid

ad V

alen

cian

a en

tre

12 y

16

años

.

2675

ado

lesc

ente

s de

entre

13

y 1

9 añ

os

7 pa

íses

eur

opeo

s con

ad

oles

cent

es d

e 11

a 1

5 añ

os

y ta

mañ

os m

uest

rale

s que

os

cila

ron

los

2992

has

ta lo

s 67

24

7284

5 es

cola

res e

ntre

13

y 15

año

s pro

veni

ente

s de

34

país

es d

e to

do e

l mun

do

AÑ

O

2009

2013

20

06

2010

AU

TO

RE

S

Dev

ís

Dev

ís,

Peiró

-V

eler

t, B

eltrá

n-C

arril

lo y

To

más

Gar

cía-

Con

tinen

te,

Pére

z-G

imén

ez,

Espe

lt y

Neb

ot

Sam

dal,

Tynj

älä,

R

ober

ts,

Salli

s, V

illbe

rg y

W

old

Gut

hold

, C

owan

, A

uten

rieth

, K

ann,

y

Rile

y

Capítulo 1

100

RE

SUL

TA

DO

S/ C

ON

CL

USI

ON

ES

- La

prev

alen

cia

de

uso

de

TV

dism

inuy

ó si

gnifi

cativ

amen

te d

uran

te e

l per

iodo

de

1991

a 2

007.

- Los

ado

lesc

ente

s am

eric

anos

hab

ían

aum

enta

do e

n lo

s úl

timos

su U

MTP

. - E

l tie

mpo

de

AS

mul

titar

ea h

a pa

sado

del

16%

en

1999

al

29%

del

UM

TP e

n el

200

9.

- Los

chi

cos

dedi

caba

n m

ás t

iem

po a

UM

TP q

ue l

as

chic

as.

- El

grup

o de

eda

d in

term

edio

es

el q

ue m

ayor

UM

TP

real

iza.

- Los

niñ

os/a

s de

5 a

11

años

dec

lara

ron

una

med

ia d

e vi

sion

ado

de T

V d

e 2

hora

s y 3

min

utos

. - L

os a

dole

scen

tes

de 1

3 a

15 a

ños

incr

emen

taro

n el

uso

ha

sta

una

med

ia d

e 3

hora

s y 8

min

utos

. - L

os c

hico

s ve

n de

med

ia m

ás t

iem

po d

e TV

que

las

ch

icas

.

DIS

EÑ

O

Long

itudi

nal

(tend

enci

a)

Long

itudi

nal

(tend

enci

a)

Long

itudi

nal

(coh

orte

)

MU

EST

RA

Mue

stra

de

adol

esce

ntes

Es

tado

unid

ense

s de

entre

15

a 18

año

s que

var

ió e

ntre

10

904

a 1

6 29

6 su

jeto

s

2000

niñ

os y

ado

lesc

ente

s en

tre 8

y 1

8 añ

os

Segu

imie

nto

dura

nte

26 a

ños

de 1

000

neoz

elan

dese

s

AÑ

O

2010

2010

2005

AU

TO

RE

S

Li, T

reut

h y

Wan

g

Rid

eout

, Fo

ehr y

R

ober

ts

Han

cox,

M

ilne

y Po

ulto

n

Marco teórico

101

RE

SUL

TA

DO

S/ C

ON

CL

USI

ON

ES

- Se

enco

ntra

ron

dife

renc

ias

en e

l UM

TP e

n fu

nció

n de

l se

xo y

del

tipo

de

activ

idad

. - L

as

chic

as

más

jó

vene

s di

smin

uyer

on

el

tiem

po

dedi

cado

a v

er T

V e

n el

trá

nsito

a l

a ad

oles

cenc

ia

tem

pran

a.

- Los

chi

cos

aum

enta

ron

el u

so d

el o

rden

ador

tant

o en

el

paso

de

la a

dole

scen

cia

tem

pran

a a

la in

term

edia

com

o de

la in

term

edia

a la

ado

lesc

enci

a ta

rdía

.

- Las

chi

cas a

umen

taro

n el

tiem

po d

edic

ado

a A

S du

rant

e el

tiem

po li

bre

del a

ño 2

000

al 2

002.

- D

e es

e tie

mpo

las

activ

idad

es d

e U

MTP

fuer

on la

s más

po

pula

res.

- S

e ob

serv

a un

aum

ento

del

UM

TP e

n la

tran

sici

ón d

e la

ad

oles

cenc

ia te

mpr

ana

a la

inte

rmed

ia e

n ch

icas

.

- Se

obtu

vo

un

incr

emen

to

en

el

UM

TP

desd

e la

ad

oles

cenc

ia te

mpr

ana

a la

inte

rmed

ia.

- Los

chic

os au

men

taro

n m

ás el

tiem

po d

edic

ado

a AS

que

las c

hica

s.

DIS

EÑ

O

Long

itudi

nal

(coh

orte

)

Long

itudi

nal

(coh

orte

)

Long

itudi

nal

(coh

orte

)

MU

EST

RA

2516

ado

lesc

ente

s es

tado

unid

ense

s dis

tribu

idos

en

dos

coh

orte

s (jó

vene

s (11

a

14 a

ños)

y m

ayor

es (1

5 a

18 a

ños)

). Se

guim

ient

o de

5

años

200

chic

as a

dole

scen

tes d

e en

tre 1

2 y

15 a

ños.

Segu

imie

nto

de 2

año

s

4218

ado

lesc

ente

s de

11 a

15

años

. Seg

uim

ient

o de

4 a

ños

AÑ

O

2006

2007

2012

AU

TO

RE

S

Nel

son,

N

eum

ark-

Stza

iner

, H

anna

n,

Sira

rd y

St

ory

Har

dy, B

ass

y B

ooth

Dum

ith,

Tota

ro

Gar

cia,

da S

ilva,

B

aptis

ta y

H

alla

l

Capítulo 1

102

RE

SUL

TA

DO

S/ C

ON

CL

USI

ON

ES

- El t

iem

po to

tal d

e A

S au

men

tó p

asad

os lo

s 5

años

. Un

34%

del

tiem

po to

tal s

e de

dicó

al U

MTP

. A

dem

ás, e

n el

últi

mo

año

del e

stud

io se

obs

ervó

tant

o un

incr

emen

to

en e

l tie

mpo

ded

icad

o al

UM

TP c

omo

en e

l por

cent

aje

de a

dole

scen

tes q

ue n

o cu

mpl

ían

las r

ecom

enda

cion

es.

- El t

iem

po d

edic

ado

al U

MTP

aum

entó

lige

ram

ente

más

en

las c

hica

s que

en

los c

hico

s. - A

un a

sí, l

a m

edia

de

UM

TP d

e lo

s chi

cos e

ra m

ayor

que

la

de

las c

hica

s. - E

l UM

TP e

ra m

ayor

en

fam

ilias

con

men

or N

SE.

- El U

MTP

aum

entó

sign

ifica

tivam

ente

en

ambo

s sex

os a

lo

larg

o de

l tie

mpo

. - D

el m

ism

o m

odo

se d

io u

n au

men

to e

n el

por

cent

aje

de

adol

esce

ntes

qu

e in

cum

plía

n la

s re

com

enda

cion

es

UM

TP.

DIS

EÑ

O

Long

itudi

nal

(coh

orte

)

Long

itudi

nal

(coh

orte

)

Long

itudi

nal

(coh

orte

)

MU

EST

RA

759

adol

esce

ntes

vie

tnam

itas

(364

chi

cos y

395

chi

cas)

de

12 a

ños.

Segu

imie

nto

de 5

añ

os

5863

ado

lesc

ente

s de

11 y

12

años

. Seg

uim

ient

o de

5 a

ños

885

adol

esce

ntes

nor

uego

s de

11

a 13

año

s. Se

guim

ient

o de

3 a

ños

AÑ

O

2013

2007

2012

AU

TO

RE

S

Tran

g, H

ong,

va

n de

r Pl

oeg,

Har

dy,

Kel

ly y

D

ible

y

Bro

ders

en,

Step

toe,

B

onifa

ce y

W

ardl

e

Geb

rem

aria

m

et a

l.

Marco teórico

103

1.6.3. Las relaciones entre la actividad física y el uso de medios tecnológicos: la hipótesis de sustitución

A pesar de que el estudio de la AF y el UMTP se ha dado de manera más frecuente por separado, en los últimos años han aparecido diversos estudios que abordan la relación entre ambas variables. Esto, en parte, es debido a que el estudio del UMTP es más reciente que el estudio de la AF, con una trayectoria investigadora mucho más amplia dentro del ámbito de las ciencias sociales. De ahí que tanto los estudios de revisión como los experimentales de este apartado sean bastante actuales.

Al parecer, tres podrían ser las razones por las que se tiende a relacionar la AF y el UMTP. La primera de ellas es que ambas actividades ocupan parte del tiempo de ocio de los adolescentes. La segunda iría asociada a las tendencias que parecen mostrar ambas variables a lo largo del periodo de la adolescencia. En apartados anteriores de este capítulo se ha mostrado que mientras que la AF generalmente disminuye a medida que los adolescentes se aproximan a la edad adulta, el UMTP suele experimentar por el contrario un aumento, al menos es esta población. Finalmente, si además de estas dos razones se tiene en cuenta que la AF y las CS, como el UMTP, suelen mostrarse en numerosos estudios como actividades antagónicas, es lógico suponer que ambos comportamientos puedan estar relacionados.

Dicho esto, diversos estudios publicados en la última década sostienen la existencia de un fenómeno de competición por el tiempo de ocio entre el tiempo dedicado a realizar AF y el invertido en el UMTP. Además, parece que la asunción más aceptada en relación con esta posible competición, es que el tiempo dedicado al UMTP estaría sustituyendo o desplazando el tiempo de práctica de AF. Este fenómeno es el que se conoce en la literatura como hipótesis de sustitución.

En este apartado se expone una relación de estudios que de alguna manera abordan la relación entre estas dos variables, con el fin de aportar conocimiento sobre el estado actual de esta cuestión. Además, en la Tabla 5 se incluye una síntesis de estos estudios.

Capítulo 1

104


Prueba de ello serían los dos estudios de revisión coetáneos que obtienen resultados dispares. En el estudio de Pearson, Braithwaite, Biddle, van Sluijs y Atkin (2014), se encontró una pequeña asociación negativa entre AF y AS en niños y adolescentes. Esto significa que los adolescentes realizarían menos AF en la medida en la que aumentara el tiempo dedicado a AS, como el UMTP. En este caso, esta afirmación cumpliría los preceptos de la hipótesis de sustitución, en la que la adherencia a conductas sedentarias desplazaría el tiempo de AF en adolescentes. En cambio, en la revisión llevada a cabo por Leech, McNaughton y Timperio (2014) en la que se estudiaban los patrones de agrupación de niños y adolescentes en relación con variables como la dieta, la AF y las AS, se encontró que las relaciones entre AF y AS pueden establecerse de maneras diversas. Este hecho hace que sea complicado asumir que el tiempo de AF afecte directamente al de AS y viceversa. Aun así, de la revisión de estudios se extrae que los adolescentes más mayores, en especial las chicas, suelen pertenecer a perfiles de poco tiempo de AF, mientras que el tiempo de SA, tienden a aumentar durante la adolescencia.

Así pues, los estudios de revisión parecen corroborar una tendencia a la baja en el tiempo dedicado a la AF y al alta en el tiempo dedicado a las SA. No obstante, la aparición de trabajos que muestran diferentes tipos de asociación entre los tiempos de ambos comportamientos, hace arriesgado afirmar que ambas variables estén inversamente relacionadas.


Por otro lado, estudios transversales como el de Koezuka et al. (2006) sostienen que el 58,9% de los adolescentes canadienses no realizan suficiente AF a la vez que más del 50% ven la TV por encima de las dos horas diarias. En este trabajo se concluye que existe una asociación negativa entre el tiempo de uso de la TV y el dedicado a la AF en ambos sexos. Resultados similares se obtuvieron en el trabajo de Biddle, Gorely, Marshall y Cameron (2009), con una muestra de 991 adolescentes del Reino Unido. En este caso

Marco teórico

105

los adolescentes dedicaban gran parte de su tiempo de ocio a ver la TV (una hora y cincuenta minutos diarios entre semana y dos horas y cuarenta minutos en fin de semana), mientras que el tiempo destinado a realizar AF apenas supera los treinta minutos diarios entre semana y los cincuenta en fin de semana.

Vistos estos datos, es lógico suponer, como indica Borraccino et al. (2009: 755), que “los estilos de vida activos o sedentarios se consideren caras opuestas de la misma moneda”, lo que a priori apoyaría la hipótesis de sustitución. No obstante, en el estudio que realizaron con datos de treinta y dos países participantes en la encuesta del HBSC de 2001-2002, encontraron que el riesgo de no cumplir las recomendaciones de AF no aumentaba en la medida que incrementaba el tiempo dedicado a AS. En ese caso se concluía que la AF y el UMTP podían considerarse comportamientos independientes. En cambio, Melkevik, Torsheim, Iannotti y Wold (2010), en otro estudio de la HBSC posterior (2005-2006) con datos de treinta y nueve países de Europa y Norte América, afirmaban que superar las recomendaciones de UMTP estaba negativamente asociado con el tiempo de AFMV, sobre todo en países en los que se realizaba más AF. No obstante, este ‘desplazamiento’ no se apreciaba en todos los países, dado que los resultados mostraban una variabilidad considerable en función tanto del país, como de la edad y el sexo.

Ya en Europa, Ottevaere et al. (2011) publicaron un artículo con datos del estudio Healthy Lifestyle in Europeby Nutrition in Adolescence (HELENA), en el que participaron diez ciudades europeas con una muestra superior a los 2000 adolescentes (45,6% chicos). En este trabajo se realizaron 5 agrupaciones (clusters) de los participantes en función de las asociaciones entre la dieta, la AF y las AS. En los resultados de este análisis se obtuvo que el grupo más sedentario, era también el que mostraba menor tiempo de AF.

En línea con estos resultados se encuentra el estudio de Sandercock, Ogunleye y Voss (2012), en el que se examinaba la relación entre el UMTP y la AF en adolescentes británicos. En este caso se encontró una asociación negativa entre el tiempo de UMTP y el de AF, dado que los adolescentes que declaraban más de cuatro horas diarias de UMTP eran los menos activos, mientras que los que decían tener un uso menor de dos horas de UMTP eran los más activos. Por tanto, estos últimos trabajos sí apoyaban la hipótesis de sustitución. No obstante, un estudio desarrollado en España por Serrano-

Capítulo 1

106

Sánchez, Martí-Trujillo, Lera-Navarro, Dorado-García, González-Henríquez y Sanchís-Moysi (2011), con objetivos similares al de Sandercock, Ogunleye y Voss (2012), obtuvo que sólo los chicos que declaraban un UMTP mayor de cuatro horas al día, aumentaban la probabilidad de no ser suficientemente activos. Dado que esta asociación no se dio en las chicas, dicha hipótesis sólo se cumplió parcialmente. Otro ejemplo de cumplimiento parcial de la hipótesis de sustitución se dio en el trabajo de Devís-Devís, Peiró-Velert, Beltrán-Carrillo y Tomás (2012) en el que se realizó un estudio para conocer las relaciones entre el UMTP y la AFMV en función de variables sociodemográficas, obteniendo que esta sustitución no se daba de manera generalizada sino que dependía del sexo y el tipo de medio tecnológico.

Los resultados de los estudios transversales revisados indican que los adolescentes dedican más tiempo de UMTP que de AF. Algunos resultados apuntan incluso a que podría darse el mencionado efecto de sustitución. No obstante, también existen estudios en que ambos comportamientos se muestran independientes o que dicha sustitución se puede dar pero parcialmente o dependiendo del contexto y el sexo.


Motl, McAuley, Birnbaum y Lytle (2006) obtuvieron en un estudio en Minnesota, realizado durante los años 1998 y 1999, una disminución en el tiempo de uso de la TV. Esa disminución se asoció a una mayor dedicación de la AF en el tiempo de ocio durante ese periodo. Además, Taveras et al. (2007), en un estudio similar, obtuvieron como resultado del seguimiento una disminución tanto del tiempo dedicado a la AFMV (ocho minutos de media por año) como del uso de la TV (una hora por año).

En cambio, el estudio realizado en el Reino Unido por Brodersen, Steptoe, Boniface y Wardle (2007) presentaba una disminución del tiempo de AF y un aumento en el tiempo de AS durante la adolescencia. Por último, Liu, Kim, Colabianchi, Ortaglia y Pate (2010), realizaron un estudio longitudinal en el que analizaron tanto el tiempo de AF como el de UMTP durante 7 años en una amplia muestra de adolescentes estadounidenses.

Marco teórico

107

Según la información que aportaron en los cuestionarios, se establecieron cinco perfiles, (AF baja-UMTP bajo / AF moderada-UMTP alto / AF moderada-UMTP / AF alta-UMTP bajo / AF alta (excepto patinar e ir en bicicleta)-UMTP bajo). Entre los resultados de este trabajo destaca el hecho que los adolescentes mayores se encontraban principalmente en el perfil de AF baja y UMTP bajo. Además, mediante el análisis longitudinal se observó que todos los perfiles excepto el de AF baja y UMTP bajo incrementaron el porcentaje de cumplimiento de las recomendaciones de AFMV. Este tipo de resultados, además de abrir múltiples vías de relación entre la AF y el UMTP, añaden evidencias a la ausencia de sustitución del tiempo destinado a realizar AF por parte del tiempo del UMTP.

Una vez expuestos los distintos estudios desde sus respectivos diseños, se observa la disminución del tiempo de AF y aumento de UMTP. Además, a la luz de los resultados de algunos estudios de relación entre la AF y la AS, centrada fundamentalmente en el UMTP, se observa el predominio del fenómeno de sustitución o desplazamiento entre el tiempo de ambas conductas. No obstante, teniendo en cuenta la existencia de resultados que bien en unos casos matizan y en otros contrarían la tendencia general, sería erróneo considerar la hipótesis de sustitución como una tendencia universal. En cualquier caso, el interés por la AF y el UMTP, así como sus relaciones y posible sustitución siguen siendo preocupaciones de la comunidad científica por sus relaciones con la salud de los adolescentes.

Capítulo 1

108

T

abla

5. T

abla

res

umen

de

las p

rinc

ipal

es in

vest

igac

ione

s sob

re la

hip

ótes

is d

e su

stitu

ción

RE

SUL

TA

DO

S/ C

ON

CL

USI

ON

ES

- Los

adol

esce

ntes

ded

icar

on m

enos

tiem

po d

e AF

y m

ás

tiem

po d

e A

S, p

or e

jem

plo

el U

MTP

.

- Las

rel

acio

nes

entre

el t

iem

po d

e A

F y

de A

S no

se

esta

blec

en s

iem

pre

de f

orm

a lin

eal

sino

que

pue

den

dars

e de

dife

rent

es m

aner

as.

- No

obst

ante

, gen

eral

men

te lo

s ado

lesc

ente

s may

ores

y

las c

hica

s sue

len

perte

nece

r a p

erfil

es d

e ba

ja A

F.

- El

tiem

po

de

AS

tiend

e a

aum

enta

r du

rant

e la

ad

oles

cenc

ia.

- El 5

8,9%

no

real

izan

sufic

ient

e A

F y

el 5

0% v

en la

TV

m

ás d

e do

s hor

as d

iaria

s.

- Se

obse

rva

una

asoc

iaci

ón n

egat

iva

entre

el t

iem

po d

e us

o de

la T

V y

el d

edic

ado

a la

AF

en a

mbo

s sex

os.

DIS

EÑ

O

Rev

isió

n

Rev

isió

n

Tran

sver

sal

MU

EST

RA

163

artíc

ulos

con

dat

os d

e 25

4 m

uest

ras

inde

pend

ient

es

18 a

rtícu

los q

ue c

umpl

iero

n lo

s crit

erio

s de

incl

usió

n

7982

ado

lesc

ente

s ca

nadi

ense

s (39

48 c

hica

s y

4034

chi

cos)

de

entre

12

y 19

año

s

AÑ

O

2014

2014

2006

AU

TO

RE

S

Pear

son,

B

raith

wai

te,

Bid

dle,

van

Sl

uijs

y

Atk

in

Leec

h,

McN

augh

ton

y Ti

mpe

rio

Koe

zuka

et

al.

Marco teórico

109

RE

SUL

TA

DO

S/ C

ON

CL

USI

ON

ES

- Los

ado

lesc

ente

s de

dica

ban

gran

par

te d

e su

tiem

po a

ve

r la T

V ta

nto

entre

sem

ana (

1 ho

ra y

50

min

utos

) com

o en

fin

de se

man

a (2

hor

as y

40

min

utos

). - E

n ca

mbi

o, d

estin

aban

uno

s 30

min

utos

a re

aliz

ar A

F en

tre se

man

a y

50 m

inut

os e

n el

fin

de se

man

a.

- La

posi

bilid

ad d

e in

cum

plir

las r

ecom

enda

cion

es d

e A

F no

au

men

taba

au

nque

se

in

crem

enta

ra

el

tiem

po

dedi

cado

a A

S.

- Se

conc

luyó

que

la A

F y

el U

MTP

pod

ían

cons

ider

arse

co

mpo

rtam

ient

os in

depe

ndie

ntes

.

- Sup

erar

la

s re

com

enda

cion

es

de

UM

TP

esta

ba

nega

tivam

ente

aso

ciad

o co

n el

tiem

po d

e A

FMV

. - E

sto

ocur

ría p

rinci

palm

ente

en

los

país

es e

n lo

s qu

e se

da

ba u

n pr

omed

io m

ás a

lto d

e tie

mpo

de

AF.

- N

o ob

stan

te, l

os re

sulta

dos v

aria

ban

en fu

nció

n de

l paí

s, la

eda

d y

el se

xo.

- El

grup

o de

ad

oles

cent

es

que

mos

traba

se

r m

ás

sede

ntar

io ta

mbi

én e

ra e

l que

men

os ti

empo

ded

icab

a a

la A

F.

DIS

EÑ

O

Tran

sver

sal

Tran

sver

sal

Tr

ansv

ersa

l

Tran

sver

sal

MU

EST

RA

991

adol

esce

ntes

del

Rei

no

Uni

do d

e en

tre 1

3 y

17 a

ños

153

028

adol

esce

ntes

de

11,

13 y

15

años

de

32 p

aíse

s

200

615

adol

esce

ntes

de

11,

13 y

15

años

de

39 p

aíse

s

2038

ado

lesc

ente

s (11

09

chic

as y

929

chi

cos)

de

ocho

pa

íses

eur

opeo

s con

eda

des

entre

13

y 18

año

s

AÑ

O

2009

2009

20

10

2011

AU

TO

RE

S

Bid

dle,

G

orel

y,

Mar

shal

l y

Cam

eron

Bor

racc

ino

et a

l.

Mel

kevi

k,

Tors

heim

, Ia

nnot

ti y

Wol

d

Otte

vaer

e et

al

.

Capítulo 1

110

RE

SUL

TA

DO

S/ C

ON

CL

USI

ON

ES

- Se

enco

ntró

una

aso

ciac

ión

nega

tiva

entre

el U

MTP

y la

A

F du

rant

e el

tiem

po d

e oc

io.

- Los

ado

lesc

ente

s m

ás s

eden

tario

s (m

ás d

e 4

hora

s de

U

MTP

), er

an ta

mbi

én lo

s men

os a

ctiv

os.

- En

cam

bio,

los

que

no s

uper

aban

las

reco

men

daci

ones

de

UM

TP (m

enos

de

2 ho

ras)

era

n lo

s más

act

ivos

.

- La

hipó

tesi

s de

sust

ituci

ón se

cum

plió

par

cial

men

te.

- Sól

o en

el c

aso

de lo

s ch

icos

con

un

UM

TP m

ayor

a 4

ho

ras a

umen

tó la

pro

babi

lidad

de

no se

r suf

icie

ntem

ente

ac

tivos

.

- La

com

petic

ión

entre

el t

iem

po d

e oc

io e

ntre

la A

F y

el

UM

TP n

o se

dab

a de

man

era

gene

raliz

ada

sino

que

de

pend

ía d

el ti

po d

e m

edio

tecn

ológ

ico

y el

sexo

.

- Se

obse

rvó

una

dism

inuc

ión

en e

l tie

mpo

de

uso

de la

TV

. - E

sa d

ism

inuc

ión

se a

soci

ó al

aum

ento

del

tie

mpo

de

dica

do a

la A

F.

DIS

EÑ

O

Tran

sver

sal

Tran

sver

sal

Tr

ansv

ersa

l

Long

itudi

nal

(coh

orte

)

MU

EST

RA

6176

ado

lesc

ente

s (29

03

chic

as y

327

3 ch

icos

) de

entre

10

y 16

año

s

3503

ado

lesc

ente

s esp

añol

es

(180

8 ch

icas

y 1

695

chic

os)

de e

ntre

12

y 18

año

s

323

adol

esce

ntes

val

enci

anos

(1

76 c

hica

s y 1

47 c

hico

s) d

e en

tre 2

y 1

8 añ

os

4594

ado

lesc

ente

s no

rteam

eric

anos

(225

1 ch

icas

y 2

343

chic

os) d

e 12

añ

os e

n la

prim

era

med

ida.

Se

guim

ient

o de

2 a

ños.

AÑ

O

2012

2011

20

12

2006

AU

TO

RE

S

Sand

erco

c,

Ogu

nley

e y

Vos

s

Serr

ano-

Sánc

hez

et

al.

Dev

ís,

Peiró

, B

eltrá

n y

Tom

ás

Mot

l, M

cAul

ey,

Birn

baum

y

Lytle

Marco teórico

111

RE

SUL

TA

DO

S/ C

ON

CL

USI

ON

ES

Se o

bser

vó u

na d

ism

inuc

ión

tant

o de

l tie

mpo

ded

icad

o a

la A

FMV

, com

o de

man

era

más

acu

sada

en

el u

so d

e la

TV

.

- Dis

min

uyó

el ti

empo

de

AF

y un

aum

entó

en

el ti

empo

de

AS

dura

nte

la a

dole

scen

cia.

- L

os a

dole

scen

tes

may

ores

figu

raba

n si

gnifi

cativ

amen

te

en m

ayor

pro

porc

ión

en e

l pe

rfil

de b

aja

AF

y ba

jo

UM

TP.

- Tod

os lo

s pe

rfile

s ex

cept

o el

ant

erio

r inc

rem

enta

ron

el

porc

enta

je d

e cu

mpl

imie

nto

de la

s re

com

enda

cion

es d

e A

FMV

.

DIS

EÑ

O

Long

itudi

nal

(coh

orte

)

Long

itudi

nal

(coh

orte

)

Long

itudi

nal

(coh

orte

)

MU

EST

RA

1085

6 ad

oles

cent

es

norte

amer

ican

os (6

369

chic

as y

448

7 ch

icos

) de

entre

10

a 15

año

s en

la

prim

era

med

ida.

Se

guim

ient

o de

4 a

ños

4319

ado

lesc

ente

s (17

42

chic

as y

257

7 ch

icos

) de

11-

12 a

ños e

n la

prim

era

med

ida.

Seg

uim

ient

o de

5

años

La m

uest

ra se

adq

uier

e de

l ‘N

atio

nal L

ongi

tudi

nal S

tudy

of

Ado

lesc

ent H

ealth

’ par

a ad

oles

cent

es e

ntre

11

y 21

añ

os. 1

5 19

7 lle

garo

n a

la 3

ª m

edid

a pa

sado

s 7 a

ños d

el

prim

er c

onta

cto.

AÑ

O

2007

2007

2010

AU

TO

RE

S

Tave

ras e

t al.

Bro

ders

en,

Step

toe,

B

onifa

ce y

W

ardl

e

Liu,

Kim

, C

olab

ianc

hi,

Orta

glia

y

Pate

Capítulo 1

112

1.6.4. La investigación sobre otras variables relacionadas con la salud de los adolescentes: el rendimiento académico, el estatus de peso y su relación con la AF y el uso de medios tecnológicos

Como se ha reflejado en los apartados anteriores, numerosos estudios epidemiológicos advierten de la repercusión que tienen para la salud de los adolescentes la AF como el UMTP, o bien la interacción entre ambas. No obstante, suele ser habitual que trabajos que consideran una o las dos variables atiendan también a la relación que éstas tienen con otras variables importantes por su repercusión en la salud de los adolescentes.

La revisión de la literatura evidencia que variables como el rendimiento académico (RA) o el estatus de peso forman parte de ese compendio de elementos que son relevantes tanto desde la perspectiva social como de la salud y que a menudo se relacionan, ya sea individual o colectivamente, con la AF y el UMTP. Por tanto, en este apartado se pretende exponer el conocimiento que se tiene actualmente de las relaciones entre la AF, el UMTP o la interacción de ambas con el RA y el estatus de peso de los adolescentes.

1.6.4.1. Actividad física y Rendimiento académico

Las relaciones entre AF y el RA han sido tradicionalmente utilizadas en el ámbito del a salud en el entorno escolar. Por ejemplo, Taras (2005) realizó un estudio de revisión mediante el que aporta una serie de argumentos fisiológicos por lo que la AF puede mejorar, ya sea directa o indirectamente el RA. Al parecer la AF produce una mejora en la circulación sanguínea que facilita el aporte de oxígeno al cerebro. Además, contribuye a liberar energía y reducir el estrés, lo que parece producir un efecto de calma que puede ayudar en el corto plazo a la mejora de la concentración y con ellos a mejorar el RA. En cambio, no parece que la relación a largo plazo estuviera por el momento suficientemente fundamentada. No obstante, Nelson y Gordon-Larsen (2006) con datos de un estudio longitudinal nacional sobre salud en adolescentes de Estados Unidos, afirman que los adolescentes activos lograban mejores resultados en matemáticas e inglés que los menos

Marco teórico

113

activos. En ese caso, a diferencia del estudio de Taras, sí se mostraba un efecto directo entre la AF y el RA. Además, parece que el estudio de revisión de Trudeau y Shephard (2008) corroboró la influencia positiva que la AF tenía sobre elementos cognitivos como la concentración, la memoria y el comportamiento de los adolescentes. Respecto a las mejoras directas, aunque parece que encontraron trabajos que las sostienen, están menos fundamentadas en jóvenes que en adultos. Por otro lado, Rasberry et al. (2011) encontraron en su revisión sistemática 251 asociaciones entre AF y RA de las que algo más de la mitad (50,5%) eran positivas, mientras que el 48% no eran significativas y sólo un 1,5% eran negativas. Esta polarización de resultados puede advertir de que, aunque la relación entre variables existe, la consistencia de la misma puede ser cuestionable. En cambio, los resultados obtenidos en el trabajo de Morales y colaboradores (2011) otorgaban de nuevo consistencia a la idea de que la AF pueda producir mejoras en el RA, debido al efecto claro que parece mostrar sobre aspectos perceptivos y cognitivos. En este trabajo los estudiantes jóvenes (9-16 años) que realizaban AF extracurricular obtuvieron mejores resultados en pruebas de habilidades perceptivo-motrices, matemáticas y orales que los que no realizaban AF fuera del contexto escolar. Esta idea se ve reforzada con los resultados de un estudio longitudinal reciente de Jaakkola, Hillman, Kalajaa y Liukkonen (2015) con adolescentes finlandeses. El estudio consistía en analizar las asociaciones entre las habilidades motrices básicas, medidas mediante test, la realización de AFMV que declaraban los participantes y el RA a través de las calificaciones obtenidas. Los resultados mostraron que existía un efecto positivo y significativo, aunque pequeño, entre las habilidades motrices básicas y el RA, mientras que no se encontró relación entre la práctica de AFMV y el RA.

Como se ha podido observar, la controversia en la relación de la AF con el RA se ha reproducido con mayor o menor intensidad en la literatura a lo largo de la última década. Con el fin de conocer hacia qué lado de la hipótesis se decantaría su trabajo, Pellicer-Chenoll y colaboradores (2015) abordaron la cuestión mediante un método de análisis menos convencional. Realizaron un estudio longitudinal de 4 años para conocer la evolución de la AF, la condición física y el RA a lo largo del tiempo. El análisis generó 4 grupos (clusters), estableciéndose diferencias en dos de ellos. El resultado más relevante fue que aquellos que realizaban más AF, mostraron también un

Capítulo 1

114

mayor RA. En cambio, los que realizaban menos AF obtuvieron el RA más bajo. Además, se pudo averiguar que 25% de la muestra que estaba en el perfil menos favorable (baja AF y bajo RA) migraron a grupos caracterizados por obtener resultados positivos en ambas variables.

Por tanto, parece haber mayor consenso en que la AF repercuta a de manera de positiva sobre el RA. No obstante, dicha mejora parece que sea consecuencia del efecto que podría tener a nivel perceptivo-motriz y en ciertos aspectos cognitivos como la atención y la concentración. Respecto a los efectos directos sobre el RA, como puede ser la relación entre la práctica de AF y mejoras en el expediente académico, aunque existen estudios que apoyan la relación, también existen trabajos que no encuentran efectos directos entre las variables.

1.6.4.2. Uso de Medios Tecnológicos de Pantalla y Rendimiento académico

La revolución tecnológica experimentada en los últimos años, está convirtiendo el UMTP en una herramienta capaz de modificar los hábitos y rutinas de las personas, tanto en el ámbito del ocio como en el del trabajo. Así pues, la relación que tienen los adolescentes con la tecnología puede afectar al RA, tanto en la interacción directa en el aula, como de forma indirecta fuera de ellas. Tal vez sea por esta razón que la investigación que relaciona el UMTP con el RA ha proliferado en la última década.

Cabe indicar que la TV, por tratarse probablemente del medio tecnológico más antiguo, ya era fuente de preocupación antes de la aparición de los dispositivos tecnológicos más recientes. Así pues, con el fin de conocer ampliamente el efecto que podría tener su uso sobre el RA, Hancox, Milne y Poulton (2005), realizaron un estudio de seguimiento a una cohorte de 1019 sujetos desde su nacimiento hasta los 26 años. Los resultados obtenidos indicaron que el uso de la TV durante la infancia (5-11 años) y la adolescencia (12-15 años) se relacionaba negativamente con el RA a medio y largo plazo. Tanto es así que a mayor tiempo de uso de la TV durante la adolescencia mayor era la probabilidad de abandono prematuro de la escuela incluso de no acceder a la universidad. Además, Johnson, Cohen, Kasen y Brook (2007) obtuvieron, en un estudio longitudinal de largo seguimiento,

Marco teórico

115

que el uso excesivo de la TV se asoció a la aparición de problemas de atención, dificultades en la lectura y malos resultados académicos tanto durante la adolescencia como en los inicios de la edad adulta. Los adolescentes que veían tres horas o más diarias de TV presentaban mucho más riesgo de hacer menos los deberes, mostrar una actitud negativa hacia la escuela, y peores expectativas académicas que los que la veían menos. Así pues, la idea del efecto negativo del UMTP sobre el RA parece estar avalada por otros estudios tanto en España (Kovacs, Del Real, Gestoso, López, Mufraggi y Palou., 2008) como en otros lugares de Estados Unidos (Sharif, Wills y Sargent, 2010), ya que en ambos trabajos se encuentran asociaciones negativas entre superar las recomendaciones de UMTP y el nivel académico.

En vista de estos resultados, parece ser que existe bastante consenso a la hora de afirmar que el UMTP tiene a priori un efecto negativo sobre el RA. Tanto es así que algunos autores plantean la hipótesis de desplazamiento de las actividades de ocio tecnológico en detrimento de las actividades académicas (Levine, 2007, Shin, 2004).

Además, en algunos casos no solo preocupa el tiempo que dedican al UMTP, sino los contenidos que se consumen, puesto que también parece que pueda afectar al comportamiento de los adolescentes. En ese sentido, Gentile, Choo, Liau, Sim, Li, Fung y Khoo (2011) publicaron un estudio longitudinal con adolescentes de Singapur, en el que mostraron que el uso excesivo de videojuegos predisponía a factores de riesgo patológico como la ansiedad, depresión o fobia social, aspectos que tenían repercusión, no solo sobre el RA sino que además podrían predisponer a la adicción del UMTP. Resultados similares se obtuvieron en un trabajo publicado por Tsitsika et al. (2014). En este caso se analizaba el efecto del uso de herramientas de comunicación (mensajería instantánea, envío de correo, uso de blogs, intercambio de datos) sobre algunas variables del comportamiento de los adolescentes, en seis países europeos (Grecia, España, Polonia, Holanda, Rumania e Islandia). El principal resultado de la investigación fue que el uso excesivo de estas herramientas provocaba problemas de ansiedad, depresión y bajo RA, sobre todo en adolescentes jóvenes.

No obstante, existen también trabajos que muestran resultados divergentes, en mayor o menor medida, con la hipótesis más ampliamente aceptada. Por ejemplo, Jackson et al. (2011) realizaron un estudio

Capítulo 1

116

longitudinal con 482 jóvenes estadounidenses de doce años, encontrando que el uso de internet contribuía a la mejora de las habilidades lectoras en jóvenes que tenían un nivel de base bajo. Además, el uso moderado de videojuegos obtuvo mejoras en la habilidad espacial y visual, aunque estas mejoras no repercutieran directamente en mejoras sobre el RA. Por otro lado, Drummond y Sauer (2014) recogieron datos del informe PISA de 2009, encargado de evaluar el RA de los estudiantes de 22 países miembros de la Organización para la Cooperación y el Desarrollo Económico (OCDE). En este trabajo, contrastaron los resultados del informe con los datos de uso de videojuegos sin obtener diferencias apreciables en el RA, independientemente del tiempo de uso de videojuegos.

Vistos estos resultados, conviene indicar que la orientación de los estudios suele estar enfocada hacia el UMTP no académico. No obstante, en un reciente trabajo de Esteban-Cornejo et al. (2015) se contemplaron como actividades sedentarias tanto aquellas que tienen un enfoque social o recreacional como aquellas que, siendo también sedentarias y haciendo uso de la tecnología, tienen una finalidad académica. En ese sentido, los resultados mostraron que el tiempo dedicado a actividades como navegar por internet y escuchar música se relacionaron negativamente con el RA. No obstante, el tiempo para hacer deberes con o sin ordenador y leer se relacionó positivamente con el RA, no encontrándose asociación entre el uso de la TV o los videojuegos con el RA de los adolescentes españoles.

1.6.4.3. Actividad Física y estatus de peso

La AF es considerada como un elemento saludable entre otras razones porque supone un comportamiento activo que a priori podría alejar de las conductas sedentarias. Por otro lado, la energía consumida durante la práctica de AF parece ser un elemento que favorece al control del peso, considerándose este balance de peso como factor preventivo de la salud. No obstante, la producción científica de los últimos años ofrece tanto elementos que apoyan esta hipótesis como elementos que provocan reflexiones interesantes aunque controvertidas en algunos casos.

Marco teórico

117

Así pues, Boreham, Robson, Gallagher, Cran, Savage y Murray (2004) obtuvieron, en un estudio longitudinal, que el tiempo, de AF bajó mientras que el IMC aumentó. En lo referente al sexo, los chicos dedicaron más tiempo a la AF mientras que el peso resultó ser más estable en las chicas. No obstante, este trabajo no obtuvo buenos índices de mantenimiento de la conducta, por lo que no pudo garantizarse que estos aspectos del estilo de vida fueran buenos predictores de la conducta futura. En cambio, Pedersen (2007) concluye en su estudio de revisión que la AF tiene un efecto saludable dado que logra entre otros aspectos controlar el peso, siendo tanto la inactividad como el aumento de peso factores de riesgo para sufrir una enfermedad o padecer una muerte prematura. Esta afirmación ha sido corroborada en posteriores revisiones como la de Hills, Andersen y Byrne (2011), que señalan los beneficios que la AF produce para la salud entre los que se encuentra la reducción de los niveles de sobrepeso y obesidad. Además, resultados del estudio transversal, realizado en China por Ying-Xiu, Jin-Shan, Jing-Yang, Zun-Hua y Guang-Jian (2013), refuerzan la relación inversa entre AF y peso, ya que se afirma que los adolescentes con sobrepeso y obesidad dedican menos tiempo a la AF que los adolescentes con peso normal o incluso con peso inferior al promedio.

En cambio, estudios prospectivos recientes en los que se analiza el efecto de la AF o el estatus de peso sobre la salud de los adolescentes arrojan algo de discusión a la relación directa y unívoca entre ambas variables. En ese sentido, Rank, Wilks, Foley, Jiang, Langhof y Halle (2014) realizan un trabajo con jóvenes alemanes en el que obtuvieron que tras un programa de pérdida de peso, los adolescentes declaraban que, mientras que la AF había tenido un rol importante en el cambio hacia un estilo de vida saludable, la reducción del peso no había sido determinante en la percepción de ese cambio. Esta percepción discordante no hace más que advertir la posibilidad de que las relaciones entre AF y el peso no sean tan evidentes. Asimismo, Collings, et al. (2015), realizaron un estudio longitudinal de dos años y medio de duración en el que se medía periódicamente el índice de masa corporal (IMC) de los adolescentes para relacionarlo con el tiempo de AF declarado al inicio del estudio. Paradójicamente los resultados indicaron que los mayores incrementos de grasa corporal se dieron en los adolescentes que dedicaban más tiempo a la AF de mayor intensidad, mientras que aquéllos que dedicaban menos tiempo a la AF de menor intensidad obtuvieron

Capítulo 1

118

incremento de grasa proporcionalmente menores. Estos resultados que a priori pueden resultar contra-intuitivos insinúan que las relaciones entre la AF e el IMC podrían ser más complejas que un simple balance energético entre consumo y gasto de calórico.

1.6.4.4. Uso de Medios Tecnológicos de Pantalla y estatus de peso

Al parecer, el desarrollo tecnológico ha favorecido la aparición de diversos instrumentos que reducen tanto el esfuerzo realizado en las tareas profesionales como en determinadas rutinas cotidianas (tareas del hogar o comprar). Además también ha creado determinados dispositivos como el teléfono móvil, el ordenador o las tabletas electrónicas que, junto con la TV, gozan de gran aceptación como elementos de ocio, sobre todo en población joven. Dado que estos instrumentos se usan mayoritariamente de manera sedentaria, las actividades tecnológicas pueden tener un efecto negativo sobre el peso de los adolescentes. Esto es lo que se desprende de una parte importante de los trabajos consultados, sin obviar que no existe un consenso unánime en la literatura.

Rey-López, Vicente-Rodríguez, Biosca y Moreno (2008) realizaron una revisión para comprobar la relación existente entre el UMTP y la prevalencia de obesidad, encontrando que aunque hay bastante consenso a la hora de recomendar la reducción del tiempo dedicado al UMTP en niños y jóvenes, existiría cierta controversia al respecto de la conexión entre ambas variables. No obstante, Mark y Janssen (2008), sí encontraron asociaciones entre el UMTP y el síndrome metabólico en adolescentes. En una línea similar, Sisson et al. (2011), analizaron el efecto de diferentes CS (ver la TV, leer por placer y otras actividades no académicas con ordenador) sobre el estatus de peso. En este caso, la única conducta que se asociaba con problemas de sobrepeso era ver más de dos horas de TV, mientras que leer o el uso no académico del ordenador no tuvo efectos sobre el peso. La TV sigue siendo el medio que más suele atraer a los adolescentes, al menos eso se desprende del trabajo publicado por Bickham, Blood, Walls, Shrier y Rich (2013) en el que se pedía a los participantes que indicaran correlativamente, los tres medios tecnológicos a los que prestaban mayor atención. No sólo se dio que la TV fue el más mencionado sino que se encontró relación entre el

Marco teórico

119

tiempo de atención prestada a la TV y el aumento de IMC, sin darse ese efecto entre el uso o la atención de otros medios como videojuegos u ordenadores. Además, Braithwaite, Stewart, Hancox, Beasley, Murphy y Mitchel (2013) afirma en su estudio que un 89% de los adolescentes declaran un uso de la TV superior a las dos horas, obteniendo que el IMC se incrementaba en la medida en la que se declaraba un mayor uso, especialmente en las chicas.

A la luz de estos resultados, no sólo parece que la TV sigue siendo el medio tecnológico más utilizado sino que ver mucho la TV contribuye al aumento del IMC en jóvenes. Del mismo modo, estudios recientes hacen referencia al efecto del UMTP sobre el peso. En ese sentido, Atkin et al. (2014) realizaron un estudio utilizando los datos de varios trabajos que proporcionaban información sobre el UMTP en jóvenes. En él obtuvieron que, al menos, dos tercios de la muestra superaba las recomendaciones de UMTP, mostrándose que los chicos con sobrepeso y obesidad eran la población más propensa a realizar un uso excesivo de los medios tecnológicos. En esa misma línea iba el trabajo de Lee et al. (2015) en el que, tras medir el IMC y el perímetro de cintura de niños y adolescentes entre 7 y 12 años, se encontró una asociación positiva de estos parámetros con el UMTP.

Por tanto, viendo los resultados de estos trabajos, el tiempo dedicado a ver la TV y otros medios tecnológicos en exceso pueden contribuir al aumento del peso de los adolescentes.

1.6.4.5. Actividad Física, Uso de Medios Tecnológicos de Pantalla y estatus de peso

Aunque existen evidencias que apoyan el efecto de la AF y el UMTP en el peso de los adolescentes, conviene indagar en las interacciones entre las tres variables. En ese sentido, Tremblay y Wills (2003) indican que tanto la AF como el UMTP se relacionan con el estatus de peso. Concretamente, la AF parece reducir entre un 10% y un 14% el riesgo de tener sobrepeso, así como entre un 23% y un 43% las posibilidades de ser obeso. Por lo que respecta al UMTP, se indica un aumento del riesgo de tener sobrepeso de

Capítulo 1

120

entre el 17% y el 44%, mientras que las opciones de sufrir obesidad ascendían entre un 10% y un 61%. No obstante, en un estudio longitudinal publicado por Elgar, Robert, Moore y Tudor-Smith (2005), se obtuvo que aunque la AF ejercía un efecto atenuante sobre el aumento del IMC, el resultado del análisis de regresión descartó que la AF predijera por sí sola cambios en el IMC. En cambio, a pesar de no encontrar un efecto significativo del UMTP en el cambio de composición corporal, sí se obtuvo que pudiera predecir cambios futuros en el IMC. Este tipo de relaciones, permiten pensar que las relaciones entre la AF, el UMTP y el IMC no necesariamente se deben ser lineales, sino que pueden ser más complejas. Al hilo de esa complejidad, Laurson, Eisenmann y Moore (2008), tras no encontrar correlaciones significativas entre las tres variables, ni mediante análisis transversales ni longitudinales, plantearon la necesidad de acometer investigaciones más eficaces sobre el efecto de la variabilidad del IMC durante las etapas de desarrollo de los niños y adolescentes, así como la relación con otras variables. En ese sentido, Aires et al. (2010), tras realizar un estudio longitudinal de tres años, no encontraron asociaciones de la AF y el UMTP con el riesgo de sufrir sobrepeso u obesidad. En este caso apuntaron que una posible explicación a estos resultados era que, a un mayor UMTP y un menor tiempo de AF (habituales en la adolescencia), se le añadía la poca variabilidad acaecida a lo largo del estudio, manteniéndose tiempos de uso similares en todas las categorías de peso. Así pues, concluyeron que aunque los datos de AF y UMTP seguían la tendencia habitual en la literatura, no podían afirmar que tuvieran un efecto claro sobre el IMC.

En cambio, te Velde et al. (2007), en un estudio transversal con una muestra de nueve países europeos entre los que se encontraba España, encontraron que ver mucho la TV y dedicar poco tiempo a la AF, aumentaba de manera independiente el riesgo de sufrir sobrepeso. Además, si se comparaba el grupo de mucha dedicación a la AF y baja al UMTP con el grupo de baja dedicación a la AF y alta al UMTP, los últimos mostraban mayores porcentajes de sobrepeso y obesidad. En cuanto a los datos del estudio referentes a España, más del 30% de los jóvenes participantes en este estudio declaraban un consumo de TV superior a las dos horas, mientras que 63,9% de los chicos y el 78,8% de las chicas realizaba menos de tres horas de AF semanales. Más tarde, Maher, Olds, Eisenmann y Dollman (2012) llevaron a cabo un estudio con la finalidad de determinar qué variable tenía

Marco teórico

121

un efecto mayor sobre el peso de los adolescentes australianos, obteniendo que cuando se incluían en el análisis ambas variables, el UMTP se vinculaba con un aumento del peso mientras que la AFMV se relacionaba con él sólo en algunas ocasiones y con asociaciones ligeras. Finalmente, estudios recientes indican que las relaciones entre el tiempo de AF, el UMTP y el estatus de peso, aunque muestran una tendencia definida, no es única. Por un lado, Lee, Wong, Shanita, Ismail, Deurenberg y Poh (2015) encontraron que el tiempo de AF tenía un efecto regulador del IMC, mientras que el exceso de UMTP contribuía al aumento de peso. Mientras que Melkevik et al. (2015), en un estudio con datos provenientes de treinta países, encontraron relaciones que, aun yendo en la línea de la hipótesis habitual, incluían ciertos matices. Obtuvieron que el UMTP estaba asociado con el IMC pero sólo en los casos en que los adolescentes no cumplían con las recomendaciones de AFMV, mientras que entre los adolescentes activos, solo se encontraron asociaciones entre el UMTP y el IMC en las chicas.

1.6.5. Conclusiones de la revisión de investigaciones

En este trabajo se han presentado, por separado, los estudios concernientes al tiempo dedicado a la AF y el UMTP de los adolescentes y su relación con la salud para, seguidamente, conocer los resultados procedentes de los estudios que han analizado las posibles asociaciones entre estas dos variables. Asimismo, se han revisado las relaciones del tiempo de AF y el UMTP con el RA y los niveles de sobrepeso y obesidad.

Respecto a la situación de la AF en adolescentes, parece existir bastante consenso en que los niveles de cumplimiento de las recomendaciones de AFMV son bajos. Además, los adolescentes con menor NSE y las chicas son las poblaciones que suelen presentar menor dedicación a la AF. En relación con la evolución de esta conducta a lo largo del tiempo, se observa una clara tendencia a la disminución del tiempo de práctica a medida que los adolescentes van creciendo.

Existe una prevalencia generalizada del UMTP en los adolescentes superior a las dos horas diarias, llegando a ser mayor de las cuatro horas en determinados contextos y grupos. Además, el mayor uso parece darse en con

Capítulo 1

122

los adolescentes de menor NSE. Aunque los chicos dedican más tiempo al UMTP las chicas los utilizan mayormente con fines sociales y comunicativos, mientras que los chicos lo utilizan con fines lúdicos y competitivos. Finalmente, se observa una tendencia hacia el aumento del UMTP a media que los adolescentes se acercan a la edad adulta.

Otro de los elementos relevantes de este apartado es la interacción entre el tiempo de AF y el UMTP. Teniendo en cuenta las tendencias de ambas variables y considerando el postulado de que ambas conductas compiten por el tiempo de ocio de los adolescentes, tiene sentido mantener la existencia de la hipótesis de sustitución. No obstante, algunos estudios matizan e incluso rechazan esta hipótesis por lo que resulta necesario seguir investigando en esta línea.

Las relaciones del tiempo de AF y UMTP con el RA o el estatus de peso indican que el exceso de UMTP empeora el RA. En cambio, cuando el uso tecnológico va encaminado a tareas académicas, puede darse un efecto positivo sobre las calificaciones de los adolescentes.

Por lo que respecta al efecto de la AF y el UMTP sobre el perfil de peso, las investigaciones generalmente revelan que la tendencia a la inactividad física y el aumento del tiempo dedicado al UMTP en adolescentes, favorecen el aumento de peso. No obstante, resultados de estudios recientes indican que no siempre esta relación es tan evidente, ya que el IMC es una variable que se ve afectada por múltiples causas no sólo fisiológicas sino sociales, sobre todo en épocas de desarrollo como la adolescencia.

Capítulo 2. OBJETIVOS Y METODOLOGÍA

Objetivos y Metodología

125

2. OBJETIVOS Y METODOLOGÍA

En este capítulo se exponen, en primer lugar, los objetivos de la investigación así como las hipótesis vinculadas a dichos objetivos. A continuación, se dedican varios sub-apartados para definir el diseño del estudio, la muestra final participante en el trabajo, los instrumentos utilizados en el conjunto de la investigación, así como las diferentes variables de cada uno de los estudios incluidos en esta tesis doctoral. En último lugar, se describe el trabajo de campo realizado, así como los principales aspectos éticos considerados a lo largo del proceso y los distintos tipos de análisis estadísticos empleados.

2.1. Objetivos de la investigación y formulación de hipótesis

Como ya se mencionó en la introducción, el objetivo general de la presente tesis doctoral es conocer las relaciones y la evolución de cuatro de las variables que tienen una relevancia notable en el desarrollo saludable de los adolescentes españoles: la actividad física, el uso de medios tecnológicos de pantalla, el rendimiento académico y el estatus de peso. Dado que una particularidad de esta tesis doctoral es que aúna los resultados de distintos estudios, este objetivo general se desarrolla y complementa en los diferentes objetivos propuestos en cada uno de los estudios y que se detallan a continuación:

Estudio 1:

Objetivo 1.

Conocer qué variable o variables relacionadas con la salud (AFM, AFV, TV/video, ordenador, videojuegos y teléfono móvil) y/o sociodemográficas (sexo, curso escolar, rendimiento académico y nivel socioeconómico) predicen mejor el tiempo dedicado a la AFMV y al UMTP de los adolescentes españoles.

Capítulo 2

126

Objetivo 2.

Averiguar si las variables que predicen el tiempo de AFMV y de UMTP coinciden o difieren en función del sexo.

Las hipótesis formuladas para este estudio son:

- 1) La AFMV será predicha positivamente por el RA, NSE y el sexo y negativamente por el IMC, las conductas sedentarias y el curso escolar.

- 2) El UMTP será predicho positivamente por el sexo, el curso escolar y el IMC y negativamente por la AFMV, el RA y el NSE.

Estudio 2:

Objetivo 3.

Averiguar si el tiempo dedicado a diferentes activiades sedentarias (académicas, de ocio tecnológico y de ocio social) predice el RA tres años más tarde o si es el rendimiento académico el que predice el tiempo dedicado a estas actividades en el mismo periodo.

Objetivo 4.

Comprobar el efecto moderador del sexo en las relaciones entre el tiempo dedicado a las conductas sedentarias y el rendimiento académico.


- 3) Las conductas sedentarias vinculadas al tiempo de ocio (tecnológico y social) predecirán negativamente el RA de los adolescentes, mientras que las CS de tipo académico predecirán positivamente el RA tres años más tarde.

- 4) Las chicas y los chicos comportarán de manera diferente en cuanto al tiempo dedicado a las CS y el RA.

Estudio 3.

Objetivo 5.

Conocer los cambios longitudinales producidos en el tiempo dedicado a la AFMV y al UMTP en un periodo de tres años.


127

Objetivo 6.

Comprobar si existen diferencias en la evolución del tiempo dedicado a la AFMV y al UMTP en función del sexo, la etapa de la adolescencia, el nivel socioeconómico y el momento temporal.

Objetivo 7.

Probar el cumplimiento de la hipótesis de desplazamiento de la AFMV por parte del UMTP.


- 5) Después de tres años, el tiempo que los adolescentes dedican a la AFMV disminuirá, mientras que el tiempo de UMTP aumentará, encontrándose diferencias por sexo y por nivel socioeconómico.

- 6) El tiempo dedicado a la AFMV se verá desplazado por el UMTP.

Estudio 4:

Objetivo 8.

Conocer las interrelaciones entre el tiempo dedicado a distintas intensidades de actividad física (moderada y vigorosa), el tiempo empleado en diferentes conductas sedentarias (académicas, de ocio tecnológico y de ocio social) y el IMC de los adolescentes españoles.

Objetivo 9.

Determinar la agrupación de los adolescentes en diferentes ‘clusters’.

Objetivo 10.

Cuantificar los adolescentes que migran de un grupo a otro después de tres años.

Objetivo 11.

Identificar las conductas de los grupos de adolescentes que cambian hacia un estatus menor de peso.

La hipótesis formulada para este estudio es:

Capítulo 2

128

- 7) El aumento del tiempo dedicado a la actividad física y la reducción del tiempo dedicado a conductas sedentarias contribuirá a que los adolescentes cambien a un menor estatus de peso.

2.2. Diseño de la investigación

Diseñar una investigación consiste en trazar un plan de acción riguroso, sistematizado y estructurado mediante el que pueda darse respuesta a la pregunta o preguntas de investigación. Además, según Trochim (2006), el diseño de la investigación es el elemento fundamental que mantiene el proyecto de investigación unido, cohesionado. Por tanto, dicho plan de acción precisa a su vez de una estructura de procedimiento que sea el elemento vertebrador del proyecto.

En concreto, el plan de acción de esta tesis doctoral parte del proyecto de investigación ‘Estilo de vida activo, uso de medios tecnológicos y obesidad en adolescentes’ (EDU 2009-13664), desarrollado durante el trienio 2010-2012. Los diversos documentos derivados del mismo han ido mostrando aspectos importantes del estilo de vida de los adolescentes españoles y han motivado nuestro interés por hacer un seguimiento a estos adolescentes y conocer cómo ha evolucionado su comportamiento. Así es como acaban definiéndose los diseños de esta tesis estructurada por estudios concretos: un estudio transversal que incorpora nuevas variables a las utilizadas en los estudios publicados hasta el momento; y tres estudios longitudinales de cohorte que utilizan una segunda medida posterior (tipo follow up) tomada en 2013, tres años después de la primera.

A nivel epistemológico, el presente trabajo se posiciona en el paradigma positivista, pues los datos que se obtendrán representarán una información objetiva acerca de los hechos, mesurables, traducibles a términos numéricos y susceptibles por tanto de ser analizados mediante pruebas estadísticas de tipo cuantitativo. A continuación se enuncian los cuatro estudios contenidos en este trabajo y se presenta el diseño seguido para cada uno de ellos.


129

Diseño transversal

a) Estudio 1 Las variables relacionadas con la salud y las variables sociodemográficas. ¿Cuál o cuáles predicen la actividad física moderada-vigorosa y el uso de medios tecnológicos?

Diseño longitudinal

b) Estudio 2. Las conductas sedentarias y el rendimiento académico: ¿Cuál es el mejor predictor?

c) Estudio 3. Los cambios en el uso de medios tecnológicos y la actividad física moderada-vigorosa y su posible desplazamiento.

d) Estudio 4. Análisis de los cambios de comportamiento de los adolescentes.

2.2.1. Diseño transversal

El diseño transversal es aquel que permite estudiar una población en un momento dado (León y Montero, 1995). Este tipo de diseños son adecuados para realizar una descripción o exploración inicial, incluso para establecer comparaciones entre determinadas variables, pero su capacidad predictiva es limitada ya que se basa en la estimación estadística (Bottaro, 2014).

Como se ha mencionado al inicio de este capítulo, este trabajo surge del interés por conocer si el comportamiento de los adolescentes participantes en el proyecto EDU 2009-13664 se mantendría igual o similar pasados unos años o si, por el contrario, habría sufrido algún cambio relevante. Para ello, partiendo de la muestra representativa de escolares adolescentes españoles, participantes en el proyecto EDU 2009-13664 (3095 adolescentes), se realizó un primer estudio descriptivo y exploratorio que, además de complementar estudios previos procedentes del proyecto, suponía un punto de partida sólido a partir del que iniciar los distintos estudios longitudinales.

Capítulo 2

130

El diseño transversal es de tipo descriptivo, dado que permite conocer la situación inicial de los adolescentes sobre las variables relacionadas con la salud de los adolescentes (AFMV, UMTP, RA y estatus de peso). Además, es un diseño de carácter exploratorio ya que se pretende conocer cómo se relacionan dichas variables entre sí. Por tanto mediante este diseño se pretende dar respuesta a la siguiente pregunta de investigación:

¿Qué variables o variables relacionadas con la salud y sociodemográficas predicen mejor el tiempo de AFMV y de UMTP?

2.2.2. Diseño longitudinal

A partir del diseño longitudinal pueden establecerse comparaciones entre distintos momentos temporales que permiten examinar los cambios a través del tiempo en subpoblaciones o grupos específicos (cohortes). Además, según León y Montero (2002), el estudio longitudinal de cohorte permite no sólo analizar los cambios de la cohorte entera sino que también pueden establecerse comparaciones entre subgrupos de una misma cohorte.

Por tanto, este será el diseño que permitirá conocer los posibles cambios en el comportamiento de la cohorte seleccionada del proyecto EDU 2009-13664 de la que, a pesar de la mortandad estadística ocurrida por los motivos que se explicarán en este capítulo, se logró volver a acceder a un número importante de participantes.

El diseño longitudinal, además de mantener el carácter descriptivo y exploratorio del diseño transversal, se le añade la capacidad predictiva y causal, ya que el hecho de contar con dos medidas permite conocer tanto la magnitud como la dirección de los posibles cambios que se hayan podido dar pasados tres años (Shaughnessy, Zechmeister y Zechmeister, 2007). Además, el diseño longitudinal será de tipo panel puesto que la muestra final está formada por los mismos individuos en ambas medidas, característica que permitirá en algunos casos determinar qué sujetos han cambiado y quiénes no (León y Montero, 2002).

Mediante este diseño trataremos de responder a tres preguntas de investigación, que se corresponderán con cada uno de los estudios longitudinales presentados en este trabajo:


131

¿Son las conductas sedentarias las que predicen el rendimiento académico u ocurre al contrario?

¿Cómo evoluciona el UMTP y la AFMV tras un periodo de tres años y si existe desplazamiento entre ellas?

¿Cómo cambia el comportamiento de los adolescentes en relación con la actividad física y las conductas sedentarias pasados tres años y cómo afecta esto al peso?

2.3. Participantes

A continuación se detallan los participantes en los estudios que componen esta tesis doctoral, atendiendo al tipo de estudio transversal o longitudinal.

2.3.1. Participantes en el estudio transversal

En la configuración del proyecto EDU 2009-13664 se determinó que la población objeto de estudio estuviera constituida por el alumnado de todos los centros escolares españoles de Educación Secundaria Obligatoria (ESO) y Bachillerato (BACH) cuyas edades se encontraran entre los 12 y los 18 años. Con esta franja de edad se pretendía abarcar el amplio periodo de la adolescencia, considerado como decisivo para la creación y consolidación del estilo de vida de las personas. Según los datos del informe sobre alumnado matriculado durante el curso escolar 2007-2008, elaborado por el Ministerio de Educación (2010), la población finita estaba compuesta por 2381695 alumnas y alumnos.

Conocida la población objeto de estudio, se realizó un muestreo de carácter polietápico, es decir se consideraron varios criterios de inclusión de menor a mayor nivel de concreción para llegar al tamaño muestral final. Las unidades primarias de muestreo correspondieron a los códigos postales de los municipios de todo el territorio español, seleccionados de forma aleatoria proporcional para cada una de las seis zonas geográficas españolas definidas para la investigación y que pueden observarse en las Figura 6.

Capítulo 2

132

En cuanto a la selección de las unidades secundarias de muestreo (secciones) se realizó de forma aleatoria proporcional, correspondiente a los centros educativos públicos y privados (o concertados) que impartían ESO y Bachillerato. Las unidades muestrales últimas (individuos) se seleccionaron según cuotas cruzadas y proporcionales de sexo y curso de los adolescentes (de 1º a 4º de ESO y 1º y 2º de Bachillerato).

De los 2 381 695 estudiantes identificados como población objeto de estudio 1 600 952 pertenecían a centros públicos y 780 743 a centros privados y concertados. Para calcular el tamaño de la muestra teórica se aplicó la fórmula correspondiente a poblaciones finitas (Cea, 2004; Sierra, 1998):

Donde: E (error muestral) = ± 2% σ (desviación típica) = 2 (nivel de confianza del 95,5%) N (población) = 2.381.695 p (varianza poblacional, suponiendo el caso más desfavorable)=50 q (100 – p) = 50

Para el estudio transversal se estimó una muestra de 2500 estudiantes considerando un error del 2% sobre el tamaño de la muestra teórica. No obstante, el tamaño de la muestra se elevó a más de 3000 para cubrir las posibles pérdidas de muestra a lo largo del proceso de recogida de datos, obteniéndose una muestra definitiva para el proyecto EDU 2009-13664 de 3095 participantes encuestados (1514 chicos y 1581 chicas) con una media de edad de 14,54 años (DT= 1,8), en un intervalo de los 11 a los 21 años. Los adolescentes provenían de quince centros educativos (siete públicos y ocho privados) y la distribución geográfica puede observarse en la Figura 6.

n = N σ2 p q / E2 (N-1) + σ2 p q


133

Figura 6. Distribución geográfica de la muestra de partida para el estudio transversal

2.3.2. Participantes en los estudios longitudinales

Para la obtención de la muestra final de los estudios de corte longitudinal, el primer paso fue definir la cohorte original que se pretendía volver a encuestar. Esta cohorte fue la formada por los estudiantes que cursaban los tres primeros cursos de la ESO en la muestra del estudio transversal que, a partir de este momento, se identificará como la primera medida (Wave I) de los sucesivos estudios longitudinales. Esta primera decisión significó reducir la muestra inicial de 3095 estudiantes a una muestra potencial de 1776 estudiantes, que a priori se correspondía con los participantes que todavía debían estar enrolados en los centros educativos pasados tres años, en su mayoría en el último curso de la ESO, y los dos cursos de Bachillerato. No obstante, una vez revisados los listados facilitados por los centros, se comprobó que, del total de la muestra potencial, solamente 1139 seguían matriculados en los centros educativos pasados tres años. Por tanto, aceptando una pérdida del 35,9% sobre la muestra potencial, ésta quedaría como la muestra real accesible.

No obstante, por diversos motivos que serán explicados con detalle en el apartado de procedimiento y ética, finalmente se consiguió volver a encuestar a 794 participantes de la muestra real accesible. De éstos, 39 participantes no aportaron la autorización a tiempo, por lo que tuvieron que ser excluidos. Por tanto, la muestra definitiva utilizada para los estudios de corte longitudinal fue de 755 estudiantes (348 chicos y 407 chicas),

Capítulo 2

134

provenientes de trece de los quince centros educativos que inicialmente participaron en la primera medida. Estos valores representaron el 42,5% de la cohorte original (1776) y un 66,3% de la cohorte accesible (1139).

Respecto a la media de edad de los participantes, al tratarse de un diseño de panel, solamente se incluyó en los análisis los datos de los 755 sujetos que habían cumplimentado el cuestionario en las dos ocasiones. Por tanto, la media de edad de la primera medida fue de 12,92 años (DT = 0,89), con un intervalo de los 11 a los 16 años, mientras que en la medida 2 fue de 16,26 años (DT = 1,22), con un intervalo de los 14 a los 19 años.

Tanto el proceso de obtención de la muestra como la distribución geográfica de la muestra potencial y final para los estudios longitudinales pueden observarse en las Figuras 7 y 8.

Figura 7. Proceso de obtención y distribución de la muestra por sexos

Figura 8. Distribución geográfica de la muestra potencial y de la muestra final para los estudios longitudinales


135

2.4. Instrumentos de medición Los instrumentos que se han utilizado para la presente tesis doctoral se

agruparon en un cuestionario de auto-informe mediante el que se pretendía obtener información acerca del tiempo dedicado por los adolescentes españoles a realizar tanto distintos tipos de actividad física (AF) como de conductas sedentarias (CS). Además, se incluyeron preguntas para obtener información del nivel socioeconómico (NSE), del perfil de peso y del rendimiento académico (RA).

A continuación se explicarán cada uno de los instrumentos, incluyendo las pertinentes modificaciones que se realizaron respecto a los instrumentos originales. Se tratarán también los aspectos referentes a la validez y fiabilidad de cada uno de ellos y se razonarán las preguntas incluidas en el cuestionario para obtener información de determinadas variables.

2.4.1. Seven-Day Physical Activity Recall (7D-PAR)

El instrumento utilizado para recabar información relativa a la AF realizada, y el tiempo dedicado a ella, fue la versión española del 7D-PAR (Seven-Day Physical Activity Recall) elaborado por Sallis et al. (1985) y adaptado al contexto español por Grandes et al (on-line) (ver Anexo 1).

El 7D-PAR es una entrevista semi-estructurada que permite estimar, a nivel individual, el tiempo empleado en la realización de la AF. Se solicitaba a los participantes que recordaran el tiempo dedicado durante la última semana a diferentes tipos de AF aeróbica (moderada, vigorosa y muy vigorosa) repartida en tres franjas diarias (mañana, tarde y noche). También se les pedía que cuantificaran el tiempo dedicado a actividades de fuerza muscular, flexibilidad, así como las horas que habían dormido cada día. Se recomienda que el registro se inicie en el día anterior al de la medida para ir retrocediendo en el tiempo hasta llegar a registrar la actividad del primer día de esa semana. Esto se debe a que está probado que es más fácil recordar eventos cuando se trabaja hacia atrás desde el día presente, que si hace al revés. Previamente al registro del recuerdo, se le realizan unas preguntas al informante con el fin de conocer las características básicas de la semana

Capítulo 2

136

sobre la que se va a realizar la investigación, ya que era se requería que ésta fuera una semana habitual del participante.

El 7D-PAR ha sido validado en niños y adolescentes de diferentes nacionalidades (Blair et al., 1985; Gross, Sallis, Buono, Roby y Nelson, 1990; Sallis, Buono, Roby, Micale y Nelson, 1993a; Sallis, Patterson, Buono y Nader, 1988; Wallace, McKenzie y Nader, 1985). Asimismo, ha sido ampliamente utilizado tanto en estudios epidemiológicos, como clínicos o de explicación de la conducta (Bélanger et al., 2015; Bock et al., 2015; Cugnetto, Saab, Llabre, Goldberg, McCalla y Schneiderman, 2008; McKenzie, Sallis, Broyles, Zive, Nader, Berry y Brennan, 2002; Rosenberg, Norman, Sallis, Calfas y Patrick, 2007; Young, Philips, Yu y Haythornthwaite, 2006).

El procedimiento se ha ido mejorando y adaptando a las necesidades específicas de los estudios en los que ha sido utilizado. Así pues, como ya ocurriera durante el trabajo de campo del proyecto EDU 2009-13664, el gran tamaño muestral impidió que se pudiera recabar la información de manera individualizada. Por tanto, el 7D-PAR se aplicó con la principal modificación de realizarse mediante auto-informe y no mediante entrevista. No obstante, esta forma de administrar el instrumento, ha sido previamente utilizada en otros estudios como el de Biddle, Mitchell y Armstrong (1991), Blair et al. (1985) o Raudsepp et al. (2002), Esta es una alternativa razonable, según Corder, Ekelund, Steele, Wareham y Brage (2008), porque el proceso de cumplimentación, cuando las características del estudio impiden que se aplique en forma de entrevista, lo dirige una persona adulta a modo de auto-informe. Además para cerciorarse que los participantes llegaban a completar el cuestionario de manera adecuada, un miembro del equipo investigador se encargó de verificar que los datos aportados eran coherentes. En caso de tener dudas al respecto, se pedía al participante que revisara las respuestas.

Dado que en este diseño longitudinal se toma la segunda medida después de la recogida en el proyecto EDU 2009-13664, se mantuvieron las modificaciones realizadas para adaptar el cuestionario, diseñado originalmente para población adulta, a la realidad de la población adolescente. Los cambios, recogidos en la tesis de Valencia-Peris (2013), fueron los siguientes:


137

1) Las tres preguntas previas al recuerdo “¿Ha trabajado en los últimos siete días?”, “¿Cuántos días ha trabajo la última semana?” y “¿Cuántas horas ha trabajado la última semana?” fueron reemplazadas por “¿Has asistido a clase la última semana?”, “¿Cuántos días has ido a clase la última semana?” y “¿Cuántas horas en total has estado en clase la última semana?”. con ello se pretendía cambiar el contexto laboral por el escolar, ya que los participantes continuaban estando escolarizados.

2) La pregunta “¿Qué dos días considera usted que son su días de descanso?” fue eliminada y se entendió que en el contexto escolar los días de descanso eran sábado y domingo, dado que son los días que no asisten a la escuela o al instituto. Además son días en los que pueden hacer actividades diferentes a las que realizan entre semana.

3) Respecto a la primera columna, que marca los momentos temporales del día (mañana, tarde y noche) se decidió delimitar y clarificar explícitamente las franjas horarias para facilitar el recuerdo y la organización mental del sujeto. Por tanto la mañana comprendía desde que se levantaban hasta la hora de comer, la tarde desde después de comer hasta la hora de cenar y la noches desde después de cenar hasta que se acuestan.

En cuanto al análisis de fiabilidad y validez, son varios los estudios que se han realizado para comprobarla tanto en niños como en adolescentes. Partiendo de la premisa de que el grado de fiabilidad de los instrumentos de auto-informe suele proporcionar valores del coeficiente de correlación de Pearson que oscilan entre el 0,70 y 0,95 (Pereira, 1997; Sallis y Saelens, 2000), el 7D-PAR ha mostrado valores de fiabilidad altos. Por ejemplo, en un estudio anterior de Sallis, Patterson, Buono y Nader (1988) se obtuvo unos resultados de fiabilidad de r=0,78, comparando los valores del cuestionario con el índice de gasto energético. Además Gross, Sallis, Buono, Roby y Nelson (1990) obtuvieron en un estudio similar correlaciones test-retest que oscilaron entre r=0,86 y 0,99. En el contexto sanitario, Guirao-Goris, Cabrero-García, Moreno y Muñoz-Mendoza (2009) encontraron el 7-day PAR, como el instrumento que mayor fiabilidad mostró con valores del coeficiente de correlación intra-clase (CCI) que oscilaron entre r=0,94 y

Capítulo 2

138

0,97. Además Sallis et al. (1993b) añadieron que los valores de fiabilidad, además de ser aceptables mejoraban con la edad de los participantes. Prueba de ello fue el estudio realizado con 102 estudiantes de 5º, 8º y 11º grado (equivalentes a 5º de Primaria, 1º de ESO y 4º de ESO), en el que obtuvieron que los alumnos de 5º grado lograron un coeficiente de correlación de Pearson de r=0,47, los de 8º grado de r=0,59 y los de 11º grado de r=0,81.

Por lo que respecta a la validez del instrumento, la literatura presenta ejemplos de comparación con distintos parámetros, obteniendo en todos los casos valores adecuados. Por ejemplo, en la comparación de los valores del cuestionario con el gasto energético, Blair et al. (1985) obtuvieron correlaciones positivas y significativas entre el consumo energético calculado mediante la dieta y el gasto energético estimado con el 7D-PAR. Por otro lado, Wallace, McKenzie y Nader (1985) realizaron una validación comparando registros obtenidos en el cuestionario de 11 niños de edades comprendidas entre los 11 y los 13 años con el método de observación directa, obteniendo porcentajes de similitud del 46% en relación con el tiempo de las actividades registradas y del 75% en relación con la intensidad. Además, Sallis, Patterson, Morris, Nader y Buono (1989) realizaron un estudio en el que compararon la información proporcionada por el 7D-PAR administrado a 15 niñas y 20 niños de una edad media de 10,8 años con la registrada por el acelerómetro Caltrac. En este caso, los coeficientes de correlación de Pearson fueron moderados (entre r=0,39 y 0,49) aunque se confirmó que las correlaciones mejoraban a medida que aumentaba la edad. En el contexto español, Zuazagoitia et al., (2014) encontraron valores de fiabilidad convergente aceptables entre el 7 day-PAR y el acelerómetro RT3, con valor de r= 0.75 (95%CI: 0.67-0.81), concretamente para el tiempo invertido en MVPA.

Por tanto, a la luz de los resultados de los estudios de fiabilidad y validez presentados, se puede concluir que el 7D-PAR actual es un instrumento de medida de la AF válido y fiable.


139

2.4.2. Adolescent Sedentary Activity Questionnaire (ASAQ)

Conocer el tiempo que invierten los adolescentes españoles en realizar actividades sedentarias es importante desde el punto de vista de la salud pública. Para ello es necesario desarrollar instrumentos fiables que permitan hacer un buen registro de las mismas. El ASAQ (Adolescent Sedentary Activity Questionnaire) de Hardy, Booth y Okely (2007) (ver Anexo 2), es un cuestionario que registra el tiempo dedicado a actividades sedentarias fuera del horario escolar, a lo largo de una semana habitual. Este instrumento ha sido utilizado en numerosas ocasiones en población adolescente (Dewar et al., 2013; González et al., 2011; Nihill, Lubans y Plotnikoff, 2012; Trang et al., 2013; Valencia-Peris, Devís-Devís y Peiró-Velert, 2014).

Respecto a la fiabilidad y validez del ASAQ, los propios autores se encargaron de evaluarla en un estudio con una muestra de adolescentes de edades comprendida entre los 11 y 15 años (Hardy, Booth y Okely, 2007), obteniendo resultados de correlación de Pearson en las pruebas test-retest mayores o iguales a r=0,70. A raíz de este estudio, Guimarães, Silva, Legnani, Mazzardo y Campos (2013) realizan un trabajo similar en el que participan 122 adolescentes brasileños entre 12 y 17 años. En este caso el ASAQ también mostró valores de fiabilidad y reproducibilidad altos en las pruebas test-retest, con valores del coeficiente de correlación intra-clase (CCI) para el conjunto de actividades sedentarias de 0,88 (IC95%=0,82-0,91) entre semana y 0,77 (IC95%= 0,68-0,84) para el fin de semana.

Por tanto, a la luz de los resultados de estos estudios, y como indicó Lubans et al. (2011) en un estudio de revisión sobre métodos de análisis de la actividad sedentaria, en niños y adolescentes, el ASAQ puede considerarse un instrumento adecuado para el análisis de la conducta sedentaria y por extensión del UMTP.

Las actividades registradas por el ASAQ se dividen habitualmente en cinco secciones (Tabla 6). Siguiendo la línea de trabajo del proyecto EDU 2009-13664 (Valencia-Peris, 2013), el presente trabajo dedica una atención principal a aquellas conductas sedentarias relacionadas con el Uso de Medios Tecnológicos de Pantalla (UMTP), debido a que son estas actividades las que mayor incidencia tienen sobre el tiempo total de actividad sedentaria en población joven, incidencia que además parece seguir en aumento (Currie et

Capítulo 2

140

al., 2004). Así pues, las actividades sobre las que se preguntó en relación con el tiempo dedicado el UMTP, que están incluidas en el ASAQ fueron:

1) Ver la televisión. 2) Ver vídeos/DVD. 3) Utilizar el ordenador para jugar. 4) Utilizar el ordenador para chatear o comunicarse. 5) Utiliza el ordenador para estudiar y hacer deberes. 6) Utilizar el teléfono móvil para jugar. 7) Utilizar el teléfono móvil para chatear o comunicarse. 8) Jugar a videojuegos no activos.

Respecto a los ítems 5 (Utilizar el teléfono móvil para jugar) y 6 (Utilizar el teléfono móvil para chatear o comunicarse), fueron añadidos al instrumento por considerar el teléfono móvil como un medio tecnológico de uso habitual entre los adolescentes. No obstante, se incluyeron las siguientes conductas sedentarias contempladas en el ASAQ, por considerarlas también relevantes dentro del estilo de vida de los adolescentes:

9) Estudiar y hacer deberes sin ordenador. 10) Estar con amigos fuera del entorno escolar

En todos los casos, los sujetos contestaron el tiempo dedicado a cada una de estas actividades en horas y minutos para cada uno de los siete días que conformaban su semana habitual.

2.4.3. Family Affluence Scale II (FAS II)

Con el fin de conocer el nivel socioeconómico (NSE) de los participantes se utilizó la Family Affluence Scale II (FAS II) (Currie, Molcho, Boyce, Holstein, Torsheim y Richter, 2008). La FAS II es un cuestionario internacional de 4 ítems (número de coches, de ordenadores, de vacaciones anuales y la posesión de habitación propia) (Anexo 3) que refleja los recursos materiales de la familia, los cuales son una representación de la adquisición de bienes específicos que pueden permitirse con los ingresos que dispone la familia. La FAS II representa una mejora respecto a la FAS I, creada por Currie, Elton, Todd y Platt (1997).


141

La FAS II ha sido validada en investigaciones previas del HBSC y los resultados confirman que es un indicador válido de las características socio-económicas de la población adolescente. El instrumento ha sido utilizado en investigaciones comparativas de varios países, encontrando estudios que relacionan el NSE medido con el FAS II con el nivel de cumplimiento de las recomendaciones de AF (Borraccino, 2009; Von Rueden, Gosh, Rajmil, Bisegger y Ravens-Sieberer, 2006).

Los valores obtenidos en el cuestionario se organizan, según el protocolo internacional, en tres categorías, NSE bajo, NSE medio y NSE alto. Para ello se suman las puntuaciones de cada uno de los cuatro ítems y se recalculan para obtener una puntuación entre los 0 y 9 puntos. Así pues, de acuerdo a este protocolo, la categoría 1 o NSE bajo comprende las puntuaciones menores o iguales a 2, la categoría 2 o NSE medio las que van de los 3 a los 5 puntos y la categoría 3 o NSE elevado las puntuaciones iguales a superiores a 6 puntos. No obstante, como ya ocurriera en el proyecto EDU 2009-13664, las características de la muestra resultante para este proyecto llevaron a agrupar la variable en dos categorías. La categoría 1 final o NSE bajo-medio con puntuaciones menores o iguales a 6 puntos y la categoría 2 o NSE alto con valores iguales o superiores a 7 puntos.

Tabla 6. Categorías y actividades sedentarias del Adolescent Sedentary Activity Questionnaire modificado. Fuente: adaptado de Hardy, Booth y Okely (2007)

Categorías Actividad

Medios Tecnológicos de Pantalla

- Ver la TV - Ver vídeos/DVDs - Jugar a videojuegos no activos - Utilizar el ordenador para jugar online y offline,

comunicarse y hacer uso de internet - Utilizar el teléfono móvil para jugar, comunicarse y

hacer uso de internet

Educación - Utilizar el ordenador para hacer los deberes - Hacer los deberes sin ordenador

Viajes - Transporte motorizado (coche/autobús/tren/…)

Actividades culturales - Leer por placer - Hacer trabajos manuales o pintar/dibujar - Tocar un instrumento musical

Actividades sociales - Charlar con amigos (sentado) - Escuchar música - Actividades religiosas

Capítulo 2

142

2.4.4. Instrumentos para obtener información sobre el perfil de peso y el rendimiento académico

La información relativa el perfil de peso de los adolescentes se obtuvo a partir del cálculo del Índice de Masa Corporal (IMC). Para ello, se utilizó un ‘instrumento antropométrico’ (báscula Body Balance Comfort F5 y altímetro MOD. 1-S-B, 6615) mediante los que se pudo registrar el peso y la altura de los participantes.

Respecto al rendimiento académico (RA), se incluyó en la batería de cuestionarios el ítem ‘Nivel académico del último curso’, en el que los participantes podían elegir entre varias opciones de respuesta, a partir de las que se calculó y categorizó su RA.

2.5. Variables de los estudios

La presente tesis doctoral es el resultado de una investigación desarrollada en los diferentes estudios que se recogen en este documento. Esta singularidad hace durante el proceso de redacción de cada uno de los estudios, se haya ido acopiando un número importante de variables que en algunos casos coinciden, pero que en otros son diferentes. Por tanto, a continuación se explican todas las variables (cuantitativas, cualitativas y de agrupación) que se han considerado a lo largo de la investigación, para detallar posteriormente cuáles se han incluido de manera concreta en cada uno de los estudios.

Variables cuantitativas:

- Tiempo de realización de diferentes tipos de actividad física: actividad física moderada (AFM), actividad física vigorosa (AFV), en la que se agrupa tanto el tiempo de actividad vigorosa como muy vigorosa incluido en el cuestionario. Además para determinados análisis AFM y AFV fueron a su vez agrupadas en la variable actividad física moderada-vigorosa (AFMV).


143

- Tiempo dedicado a la realización de diferentes tipos de conductas sedentarias. Dentro de las mismas, el principal interés gira en torno al Uso de Medios Tecnológicos de Pantalla (UMTP). De ahí que se defina la variable UMTP, que agrupa las siguientes actividades: ver TV, ver vídeos o DVDs, utilizar el ordenador, jugar a videojuegos y utilizar el teléfono móvil. Además para otros análisis las conductas sedentarias se agruparon en tres variables, Actividades Académicas (AA), Actividades Ocio Tecnológico (TA) y Actividades Ocio Social (SA). La variable actividades académicas incluye estudiar y hacer los deberes con y sin el uso del ordenador. La variable actividades tecnológicas aglutina la mayoría de las actividades de UMTP entre ellas ver TV, ver vídeos o DVDs, jugar a video juegos y utilizar el ordenador y el móvil para jugar. La variable actividades sociales incorpora el uso del ordenador y el móvil para chatear y comunicarse.

- Estatus de Peso: esta variable se basa en el cálculo del Índice de masa corporal estandarizado (sIMC). Calculado a partir del índice de masa corporal (peso del sujeto (Kg) dividido su altura al cuadrado (m2), el sIMC es una transformación de la variable obtenida mediante los puntos de corte (Z-scores) correspondientes al sexo y edad de cada sujeto de acuerdo a los estudios de Cole et al. (2000; 2007). El valor del sIMC se incluye como variable numérica o diferenciando tres categorías (normopeso, sobrepeso y obesidad) en función de los objetivos de cada estudio.

Variables cualitativas:

- Rendimiento académico (RA). A partir del número de suspensos y aprobados que los participantes indicaron que obtuvieron en el curso anterior a que se cumplimentara el cuestionario, se establecieron cuatro categorías. Aquellos que tenían suspendidas 3 o más

Capítulo 2

144

asignaturas (Muy bajo RA), los que suspendieron entre 1 y 3 asignaturas (Bajo RA), los que tenían todas las asignaturas aprobadas y una media de suficiente o bien (buen RA) y los sujetos que tenían una media de notable o sobresaliente (excelente RA). No obstante, en algún estudio se contempla el RA como variable continua.

Variables de agrupación:

- Sexo: mujer y hombre.

- Nivel socioeconómico (NSE). La puntuación del NSE oscila entre 0 y 9 puntos en función del resultado obtenido en el cuestionario. De acuerdo a las características de la muestra, para algunos estudios se establecieron dos categorías: NSE bajo-medio y NSE alto.

- Curso escolar: se consideraron seis categorías correspondientes a los respectivos cursos de la Educación Secundaria Obligatoria (1º a 4º de ESO) y primero y segundo de Bachillerato (BACH).

- Grupo de edad: adolescentes jóvenes y adolescentes mayores. La muestra final de la cohorte seleccionada para este estudio se dividió en dos sub-muestras, las cuales transitaron en el tiempo transcurrido entre las dos medidas a lo largo de las diferentes etapas de la adolescencia: adolescencia temprana (11-13 años); adolescencia intermedia (14-16 años) y adolescencia tardía (17-19 años) (AACAP, 2008). El grupo de adolescentes jóvenes incluyó a los sujetos que tenían entre 11 y 13 años en la primera medida (adolescencia temprana), mientras que el grupo de adolescentes mayores incluía a los sujetos entre 14 y 16 años (adolescencia tardía). En cambio en la segunda medida el grupo de adolescentes jóvenes tenía edades comprendidas entre los 14 y 16 años (adolescencia intermedia) mientras que el grupo de adolescentes mayores tenía entre 17 y 19 años (adolescencia tardía)

Vistas las variables que se han considerado a lo largo del proceso de creación del presente trabajo, la Tabla 7 ilustra cuáles de ellas se han incluido en cada uno de los diferentes estudios.


145

Tabla 7. Variables utilizadas en cada uno de los estudios

Estudio Variables

Estudio 1. Transversal.

- Actividad Física: Moderada (AFM), Vigorosa (AFV), Moderada-Vigorosa (AFMV)

- Uso de Medios Tecnológicos de Pantalla (UMTP): TV/Vídeo, Ordenador, Videoconsolas y Teléfono móvil

- Estatus de Peso (IMC normal y estandarizado) - Rendimiento académico (RA) - Nivel socioeconómico (NSE) - Sexo - Curso académico

Estudio 2. Longitudinal.

- Conductas sedentarias: Académicas (AA), Tecnológicas (TA) y Sociales (SA)

- Rendimiento académico (RA) - Sexo


- Actividad Física Moderada-Vigorosa (AFMV) - Uso de Medios Tecnológicos de Pantalla

(UMTP) - Nivel socioeconómico (NSE) - Grupo de edad joven y mayor - Sexo


- Actividad Física: Moderada (AFM) y Vigorosa (AFV)

- Conductas sedentarias: Académicas (AA), Tecnológicas (TA) y Sociales (SA)

- Estatus de Peso (IMC estandarizado) - Nivel socioeconómico (NSE) - Etapas de la adolescencia - Sexo

2.6. Trabajo de campo: procedimiento y ética

El trabajo de campo que dio lugar a la obtención de la información para el estudio transversal y el realizado para poder desarrollar los estudios longitudinales contenidos en este tesis doctoral, comparten varios elementos que se detallarán a continuación. Una vez expuestos dichos elementos comunes, se procederá a explicar las particularidades ocurridas en el acceso a la muestra para los estudios longitudinales, aspecto que permitirá entender la complejidad logística que supone realizar este tipo de estudios prospectivos.

Capítulo 2

146

2.6.1. Aspectos comunes al trabajo de campo del proyecto EDU 2009-13664

El periodo del año.

En ambos casos se realizó entre los meses de octubre a diciembre. De esta manera la comparación resulta más veraz, ya que en general la situación de los informantes debería ser similar. Solicitud de aprobación de los diferentes comités de ética.

Con el fin que el trabajo de campo fuera avalado se solicitó la aprobación del proyecto tanto al comité de ética de la Universitat de València, como a la Conselleria d’Educació de la Comunitat Valenciana, obteniendo la aprobación de ambas instituciones (Anexos 4 y 5)

El contacto con los centros.

Una vez definidos los centros participantes, el primer contacto fue telefónico. En ese momento se les informa del cometido de la investigación y se les explica las razones por las que se considera necesaria su participación. Como ya se ha comentado con anterioridad, trece fueron los centros que accedieron a volver a colaborar en el estudio de los quince centros que habían participado previamente en proyecto EDU 2009-13664 (ver Tabla 8).

Informes y solicitudes a los centros educativos.

Se acordó enviar por escrito a cada uno de los centros, una carta informativa (Anexo 6) en la que se explicaban los objetivos de la investigación a la vez que se solicitaba los listados del alumnado del centro. Además se adjuntaba un modelo de consentimiento para el centro y para las familias (Anexos 7 y 8). Durante esta fase tanto la comunicación como el intercambio de información debía ser fluido. Para ello el contacto mediante correo electrónico resultó ser muy útil, ya que al tratarse de una herramienta


147

asíncrona, facilitaba la comunicación en los momentos en que cada centro estaba disponible. Tabla 8. Procedencia de los centros educativos que participaron en los estudios longitudinales

ZONA CENTROS PÚBLICOS CENTROS PRIVADOS Norte Centro Público 1

Carballo (A Coruña) Centro Privado 1 A Coruña

Sur Centro Público 2 Estepona (Málaga)

Centro Privado 2 Estepona (Málaga)

Este Centro Público 3 Alcoy (Alacant)

Centro Privado 3 Muro d’Alcoy (Alacant)

Nord-este Centro Público 4 Huesca

Centro Privado 4 Huesca

Centro Centro Público 5 Ávila Centro Público 6 Las Navas del Marqués (Ávila)

Centro Privado 5 Alcalá de Henares (Madrid) Centro Privado 6 Madrid

Canarias Centro Público 7 Puerto del Rosario (Las Palmas)

Visitas a los centros para el pase de cuestionarios.

Una vez recogida la información necesaria, se procedió a establecer una fecha aproximada de visita al centro. Esta fue una de las cuestiones clave y que resultaba tener mayor incertidumbre ya que no solo era una cuestión de concretar disponibilidades sino que había que organizar los grupos en función de los horarios de los estudiantes, el espacio en el que se podía realizar el trabajo de campo y otros aspectos logísticos singulares en cada centro. La fecha definitiva fue definiéndose a medida que se acercaba la fecha propuesta, siendo muy rigurosos y respetuosos con los acuerdos a los que se llegaba con cada centro. También cabe mencionar la disponibilidad, ayuda y excelente trato recibido por parte de los centros, en general, así como del profesorado durante las visitas. A pesar de sus obligaciones docentes y de que las visitas supusieran romper la dinámica del centro, en todas ellas se logró realizar el trabajo de campo en condiciones óptimas.

Pase de cuestionarios.

La administración de los cuestionarios fue realizado por un equipo investigador formado por entre dos y cuatro personas previamente

Capítulo 2

148

entrenadas en la aplicación del cuestionario, así como en el tipo de feed-back de apoyo que debían ofrecer a los encuestados. Una vez en el centro, se explicaba a los estudiantes el procedimiento, facilitándoles toda la información necesaria para poder contestar el cuestionario adecuadamente. Del mismo modo se les informó que tenían el derecho a interrumpir su participación en cualquier momento si lo consideraban oportuno. El protocolo exhaustivo seguido para cumplimentar el cuestionario puede consultarse en el anexo 9. A pesar que en algunas momentos resultara costoso cumplimentar el instrumento, en todo momento se trató de crear un contexto distendido en el que los participantes se encontraran cómodos y pudieran responder con la máxima tranquilidad y la suficiente intimidad como para poder ofrecer una información válida.

Registro del peso y la estatura. Este fue uno de los aspectos más sensibles del trabajo de campo por lo que se fue especialmente cuidadoso, con el fin de evitar situaciones incómodas para los participantes. En ese sentido, el protocolo estaba pensado para que solamente tuvieran que descalzarse o despojarse como mucho de la ropa de abrigo. No obstante, se habilitó un espacio aparte, en los centros que disponían del mismo, o en caso de tener que utilizar el mismo espacio, se ubicó en una zona alejada de las miradas del resto de participantes, normalmente al fondo de la clase. Además, la báscula no reflejaba el peso corporal sino que aparecía registrado numéricamente en un dispositivo adicional que era controlado por uno de los investigadores. Cabe indicar que tras cada visita a un centro, el equipo investigador se reunía para comentar las incidencias que habían ocurrido durante el trabajo de campo con el fin de evitar que se reprodujeran.

Codificación y depuración de los datos.

Finalizado el trabajo de campo, se procedió a incluir toda la información obtenida en una gran base de datos en una hoja de cálculo. Al ser un documento que contenía información personal para poder retomar el contacto con la muestra, solo era accesible a las personas que estaban involucradas en el proceso de la investigación. El proceso de depuración de datos consistía en extraer de la base de datos aquella información necesaria


149

para los diferentes análisis de datos correspondientes a los estudios que se han ido desarrollando durante este periodo de tiempo.

Finalmente, con el fin de reconocer la buena labor realizada por los centros se les envió una carta de agradecimiento (Anexo 10) junto con sendos informes (Anexo 11) en los que ofrecía diferentes resultados e información que se consideraba relevante tanto para los centros como para las familias.

2.6.2. Aspectos particulares del trabajo de campo en los estudios longitudinales

A pesar de que en ambos casos el trabajo realizado fue muy similar, durante la segunda medida se dieron una serie de particularidades que conviene explicar. Estas ocurrieron principalmente en la fase de acceso a la muestra, en la de pase de cuestionarios y en la codificación de los datos.

Obtención de los listados de estudiantes censados en el curso 2013-2014.

El hecho de contar con los listados de alumnos correspondientes a la primera medida en el curso 2010-2011 hacía singular la fase de obtención de los listados del curso 2013-2014, dado que se preveía que varios de los estudiantes ya no estuvieran censados en los diferentes centros educativos. Así pues, dos fueron las principales maneras para cotejar qué alumnos seguían cursando estudios en los centros. En unos casos, los centros enviaron los listados del curso 2013-2014 para que se pudiera localizar a los potenciales participantes y, en otros, los centros fueron los que solicitaron que se les enviara los listados del curso 2010-2011 para que fueran ellos los que señalaran que estudiantes continuaban censados.

Diferencias entre los alumnos censados y los que cumplimentaron la segunda medida.

Una de las principales dificultades encontradas durante esta segunda medida fue la diferencia entre el número de estudiantes que figuraban en los listados y el número de cuestionarios que se logró obtener. A pesar de que era un hecho previsible, en algunos centros la pérdida de muestra fue mayor de lo que hubiera sido deseable. Las razones para esta pérdida de muestra

Capítulo 2

150

fueron diversas. La principal causa fue no obtener la autorización de las familias para participar en el estudio. Otra razón fue que algunos estudiantes acusaron falta de asistencia el día de la visita, normalmente por estar enfermos. En otros casos fueron los estudiantes los que libremente decidieron no asistir a cumplimentar el cuestionario o asistir y no completarlo. Identificación de participantes en ambas medidas.

En la primera medida la codificación de la identidad de cada participante se hizo de acuerdo al protocolo disponible en el Anexo 9. Este código era fundamental para poder realizar correctamente el estudio de panel, ya que era necesario que cada estudiante que cumplimentara el cuestionario lo hubiera hecho previamente en primera medida. Por tanto, con el fin de ser fieles al diseño y de poder asignar la información correspondiente a la segunda medida a cada sujeto, los entrevistadores les facilitaban individualmente el código que les había sido asignado en la primera medida y se les pedía que lo escribieran en el apartado destinado a tal efecto. Además, ésta era una manera de cotejar la asistencia de los participantes al pase de cuestionarios, aunque en el momento de hacer el volcado de información a la base de datos volvía a comprobarse. En el caso de que el código que figuraba en el cuestionario no coincidiera con los datos personales almacenados en la base de datos, se procedía a excluir la información del cuestionario.

2.7. Análisis de datos

Como se indica en el apartado anterior, la información obtenida durante el trabajo de campo fue almacenada en una base de datos en Excel 2011. Posteriormente se seleccionaron los datos de interés para cada uno de los estudios y se crearon las bases de datos específicas utilizando el programa estadístico SPSS, versión 22.0 (SPSS inc., Chicago, IL, USA), en las que se depuraron y codificaron los datos de las diferentes variables para ejecutar los análisis correspondientes. Además del programa SPSS, para determinados análisis se utilizaron otros programas de análisis de datos como el, el EQS versión 6, para el análisis de ecuaciones estructurales y el MATLAB


151

R2008a, para el análisis por Mapas auto-organizados (Self Organized Maps (SOM)).

En primer lugar se realizaron pruebas exploratorias de distribución homogénea en las que se obtuvo que, tanto para el estudio transversal como para los estudios longitudinales, algunas variables clave no se distribuían de manera normal. Por tanto, para evitar tener que realizar pruebas no paramétricas para determinados análisis, se decidió realizar una transformación de las variables aplicándoles la raíz cuadrada (Booth, Okely, Chey, Bauman y 2002; Pate et al., 2008; Valencia-Peris, 2013). Según la escala de potencias de Tukey (1977), este procedimiento supone una modificación mínima de los datos. No obstante, para los valores descriptivos de las variables se recuperaron los valores iniciales y se mostraron en unidades de fácil comprensión.

Una vez explicado esto, se expondrá un resumen conceptual de los cuatro tipos de análisis utilizados para el desarrollo de los estudios que conforman el presente trabajo: análisis de regresión lineal múltiple (Multiple regression analysis), modelos de ecuaciones estructurales (Structural Equation Modeling (SEM)), Análisis de varianza de medidas repetidas (Mixed design ANOVA) y mapas auto-organizados (Self Organized Maps (SOM)).

Aunque cada análisis se explica de manera detallada en cada uno de los diferentes estudios, en la Tabla 9 se presentará un resumen de las diferentes pruebas estadísticas realizadas en cada estudio, así como los principales datos a tener en cuenta para la correcta interpretación de los mismos.

Análisis de regresión lineal múltiple

El análisis de regresión lineal múltiple es un método estadístico que permite establecer la relación que se produce entre una variable dependiente y un conjunto de variables independientes (Field, 2013). Este análisis es bastante común en el ámbito de la investigación social, dado que los fenómenos sociales, caracterizados por su complejidad, suelen ser explicados por más de una variable que en mayor o menor medida participen en su concreción.

Capítulo 2

152

Esta prueba se utilizó en el estudio transversal, con el fin de realizar un análisis exploratorio preliminar que permitiera conocer la capacidad predictiva de algunas de las variables utilizadas en esta tesis doctoral. Se consideró que conocer las relaciones entre las variables del estudio, haciendo uso de la muestra representativa de adolescentes españoles, permitiría obtener un mapa previo de las variables sobre las que mantener una especial atención en los estudios posteriores. Este análisis, como otros que se explicaran posteriormente se realizó con el ya mencionado programa SPSS versión 22.0 (SPSS inc., Chicago, IL, USA). No obstante, conviene indicar, que la capacidad predictiva de un estudio transversal está limitada a la estimación, por lo que esta prueba debe entenderse además de como un estudio preparatorio, como un elemento que justifica la pertinencia de pasar del enfoque transversal al estudio longitudinal.

Modelos de ecuaciones estructurales (Structural Equation Modeling (SEM))

Los modelos de ecuaciones estructurales (SEM) son una herramienta matemática útil para el desarrollo de estudios longitudinales debido a la posibilidad que ofrecen de establecer relaciones de causalidad de tipo lineal (Bisquerra, 1989). No obstante, cabe indicar que la existencia de asociación estadística no es condición suficiente para que se pueda hablar de causalidad sino que, según Batista y Coenders (2000) “una variable A es causa de B si siempre que se da A acontece B, y nunca acontece B si previamente no se ha dado A”.

El modelo de ecuaciones utilizado en esta tesis doctoral es el modelo de panel o path analysis. Una de las características principales de este modelo es que está pensado para el estudio de los efectos de unas variables consideradas como causas (variables explicativas) sobre otras tomadas como efectos (variables explicadas). Así pues, dado que el presente estudio longitudinal consta de dos medidas, se estima que los valores de las variables tomadas en la primera medida tienen a priori una relación causal y directa sobre los valores obtenidos en la segunda medida. Dicho de otra manera, el comportamiento actual se explica en cierta medida por el comportamiento pasado. En definitiva, el análisis path es una técnica similar a la regresión pero que incluye el carácter explicativo, asumiendo eso sí que la relación entre variables es lineal.


153

Además, los SEM se caracterizan por ser un método interesante desde el punto de vista intelectual en la medida en la que permite que el investigador diseñe un modelo de relaciones a partir del conocimientos teóricos que atesora sobre el fenómeno. En cambio, cuando el conocimiento previo carece a priori de un soporte teórico amplio o éste es poco exhaustivo o controvertido, este método permite también al investigador realizar diversos análisis exploratorios de los datos, que le permitan configurar un modelo teórico con un sentido intelectual plausible. Finalmente, otra bondad de este método es la posibilidad que ofrece de, una vez se cuenta con un modelo teórico coherente y válido, comprobarlo en poblaciones de las que se tenga la sospecha de que el comportamiento de la variables podría no ser el mismo. Ejemplo de ello son algunas de las pruebas que se realizan en los estudios de esta tesis sobre la variable sexo. Por tanto, mediante los SEM se pueden realizar análisis prospectivos en tanto que permiten establecer relaciones de causalidad. Además son capaces de hacer estimaciones de modelos teóricos con mayor o menor apoyo teórico con las que, a partir del cálculo matemático de las asociaciones entre las determinadas variables, poder confirmar o rechazar hipótesis de investigación.

Análisis de varianza de medidas repetidas (mixed design ANOVA)

Todo modelo de análisis que pretenda abordar un enfoque longitudinal, debe afrontar el reto principal de evaluar la posible correlación entre las medidas repetidas de los individuos (Arnau-Gras, 2007). Dado que el análisis de medidas repetidas no es un método exclusivo para el estudio longitudinal de los datos, conviene citar algunas definiciones en las que se conceptualiza el valor del método de medidas repetidas para el estudio longitudinal. En ese sentido, autores como Davis (1998) o Fitzmaurice (1998), señalan que el estudio longitudinal, en el que los individuos son observados a través del tiempo, es una clase común e importante de diseño de medidas repetidas. Por tanto, puede decirse que cuando un conjunto de datos recoge determinadas medidas tomadas en tiempos diferentes, estas medidas repetidas pueden ser consideradas datos longitudinales.

Visser (1985), define el diseño longitudinal de medidas repetidas como aquel en el que se examinan los cambios que se producen a lo largo del tiempo, para la misma muestra de sujetos a la vez que constata las diferencias

Capítulo 2

154

interindividuales (entresujetos) en los cambios intraindividuales (intrasujetos). De esta afirmación se puede inferir que el objetivo fundamental del estudio longitudinal es conocer no sólo los cambios a nivel individuales entre los distintos momentos temporales, sino determinar si esos cambios ocurren para todos los sujetos o si solo se dan para distintos sujetos de la muestra agrupados por alguna característica.

Dicho esto, desde el punto de vista del análisis estadístico, la prueba que se realizó fue el análisis de varianza de medidas repetidas (ANOVA mixta) mediante el programa SPSS versión 22.0 (SPSS inc., Chicago, IL, USA). El modelo ANOVA es el que cuenta con más tradición dentro del ámbito psicológico y social y como se ha descrito anteriormente, sirve para hacer comparaciones entre los intervalos de tiempo, pero el modelo mixto permite además observar si los cambios a través del tiempo se dan de igual manera en función de determinadas variables de agrupación. Es importante tener en cuenta que para poder realizar ese método deben darse como mínimo las siguientes condiciones (Field, 2013):

- Las respuestas entre los distintos sujetos de la muestra deben ser independientes. - La distribución de las variables debe ser normal. - Conviene controlar la pérdida de observaciones (missing data).

Mapas auto-organizados (Self Organized Maps, SOM))

El último análisis realizado fue el de Mapas auto-organizados. Este método por definición emplea redes neuronales no competitivas para conocer el comportamiento de las variables de estudio (Kohonen, 2001). El principal valor del SOM es la capacidad que posee de transformar la información de los datos que se aportan en un mapa discreto de dos dimensiones, en el que los sujetos quedan topológicamente ordenados en función de la similitud de su ‘comportamiento’. Dicho comportamiento sería el resultado de la interacción de un número importante de variables incluidas en el análisis en relación al estilo de vida. Por tanto, el proceso se inicia a partir de la construcción de dicho mapa de red neuronal cuyo tamaño dependerá del número de casos incluidos en el análisis. Para la creación de los análisis SOM se utilizó el programa MATLAB R2008a (MathWorks Inc.,


155

Natick, MA, USA) junto con el paquete SOM toolbox (version 2.0 beta) para dicho programa.

En cuanto a la aportación del SOM al estudio longitudinal, este método permite al investigador observar los patrones de cambio de los datos que han sido medidos en al menos dos ocasiones, a través de lo que se conoce como estudio de trayectorias, con una lógica similar a la de los estudios de panel. Además, los algoritmos matemáticos utilizados ofrecen la posibilidad analizar cambios en el comportamiento general, entendido como el resultado de la interacción de un número importante de variables que afectan al estilo de vida. Por tanto, este análisis de trayectorias permite por un lado, hacer un seguimiento del comportamiento de la población a lo largo del tiempo y además determinar cuáles de esos cambios resultan ser estadísticamente significativos (Denny, Christen y Williams, 2012).

Además, los mapas de trayectorias obtenidos mediante el SOM posibilitan analizar los posibles cambios en los grupos (clusters) de una manera muy visual, aportando un valor relevante al estudio longitudinal de las variables. No obstante, los mapas no son suficientes para establecer inferencias o para mostrar las relaciones estadísticamente significativas. Para ello, habitualmente se utiliza las diferencias de porcentajes de muestra contenidos en cada grupo consecuencias de las migraciones así como las comparaciones de medias mediante estadísticos como la ya mencionada prueba t de Student.

Capítulo 2

156

Tabla 9. Resumen de los principales métodos de análisis de datos. Elaboración propia

Estudio / Métodología

Prueba estadística

Objetivo de la prueba

Valor de significancia Interpretación

Estudio 1.

Análisis de regresión lineal múltiple

Conocer las variables independientes que mejor predicen la variable dependiente

Coeficiente de variación de la regresión (estimadores β entre -1 y 1) Valor de p con un intervalo de confianza del 95%

El efecto de relación entre variables es menor a medida que el valor se acerca a 0. Si el valor el negativo la relación es inversa y si es positivo directa.

Estudio 2. Longitudinal Modelos de Ecuaciones estructurales (SEM)

Estudio de panel

Establecer los efectos que tiene la conducta pasada sobre la conducta actual

Coeficiente de variación entre -1 y 1

El efecto de relación entre variables es menor a medida que el valor se acerca a 0. Si el valor el negativo la relación es inversa y si es positivo directa.

Análisis multigrupo

Evaluar la invarianza de un modelo estructural en función de una variable de agrupación

Valor de p con un intervalo de confianza del 95%

Si una o varias relaciones entre los parámetros reducidos a la igualad muestran valores de p < 0,05 significa que esas relaciones se dan de manera diferente entre los grupos

Estudio 3. Longitudinal. Análisis de varianza de medidas repetidas.

ANOVAs de medidas repetidas

Analizar las diferencias las entre variables entre los momentos temporales


Si las relaciones entre variables muestran valores de p < 0,05 significa que existen diferencias estadísticamente significativas


157

Modelos de Ecuaciones estructurales (SEM)

Análisis multigrupo

Evaluar la invarianza de un modelo estructural en función de una variable de agrupación


Si las relaciones entre variables muestran valores de p < 0,05 significa que la relaciones o relaciones se dan de manera diferente entre los grupos

Estudio 4. Mapas auto-organizados

Mapas Auto-organizados

Ordenar y agrupar topológicamente a la muestra ordenados en función de la similitud entre los valores de las variables incluidas en el estudio

No tiene

Visual. Los Mapas permiten observar las características de cada una de la variables para cada sujeto o grupo de sujetos agrupados en una o varias neuronas.

Árbol de clasificación

Mostrar las características que tienen los sujetos que muestran un determinado comportamiento

No tiene

Las variables se distribuyen de acuerdo a unos umbrales matemáticos que ayudan a predecir el comportamiento de los sujetos.

Chapter 3. RESULTS & DISCUSSION

Results & Discussion

161

3.1. Introduction

As it was mentioned at the beginning of this document, the present thesis is a compendium of four studies which address, from different perspectives and methods, the relationships among several variables.

In this chapter, the main results and the discussion of the four studies are presented. The structure followed, to undertake this section, is as follows:

- An introduction of the specific objectives of the study followed by a brief reminder of the methodology and an outline of the data analyses.

- A report of the results based on the statistical tests performed in the study.

- A discussion of the results obtained in the study.

3.2. Study 1

The purpose of this study is to explore which of the health-related (active and sedentary behaviors) and sociodemographic variables (sex, school grade, AP, SES and BMI) better predict adolescents’ physical activity and screen media use. This purpose corresponds with the objectives 1 and 2 of this PhD (p. 125-126)

In order to achieve this purpose, multiple regression analyses were conducted by means of SPSS version 22.0 software, to identify sociodemographic and behavior variables related to PA and SMU. Variables were submitted to a lineal multiple regression analysis using the stepwise method. In a first step (Model 1), sociodemographic variables were included (school grade, SES, AP and BMI_sds). In a second step (Model 2) different intensities of PA (MPA and VPA) or different types of SMU (TV/video, computer, videogames and mobile) were included.

Chapter 3

162

3.2.1. Results

As can be seen in Table 10 the descriptive statistics for all variables are presented, grouped for the overall sample and split by sex. Significant differences were found between boys and girls in BMI_sds, AP, MPA, VPA, MVPA, videogames, mobile and SMU. Overall, boys spent more time daily on SMU, and particularly on videogames, than girls, while girls dedicated more time to mobile phone. Both exceeded the recommendation of no more than two hours daily. Regarding to PA, boys met the recommendation of spending 60’ of MVPA per day, but girls remained under it, spending an average of 44 minutes daily.

Table 10. Descriptive statistics of the variables by sex and in the overall sample

Girls (n=1581) Mean (SD)

Boys (n=1514) Mean (SD)

Total (n=3095) Mean (SD)

Age (years) 14.49(1.81) 14.58(1.83) 14.53(1.82) SES 5.88(1.83) 5.95(1.78) 5.92(1.81) BMI (kg/m2) 21.82(3.69) 21.86(3.80) 21.84(3.75) BMI sds 0.46(1.02)* 0.60(1.09)* 0.53(1.05) AP 3.18(1.02)* 2.99(1.23)* 3.09(1.13) MPA (h/day) 0.43(0.42)* 0.49(0.50)* 0.45(0.46) VPA (h/day) 0.30(0.33)* 0.54(0.45)* 0.42(0.41) MVPA(h/day) 0.73(0.54)* 1.03(0.66)* 0.87(0.62) TV/video (h/day) 1.57(0.99) 1.63(1.00) 1.60(1.00) Computer (h/day) 1.20(1.00) 1.19(1.01) 1.20(1.00) Videogames (h/day) 0.06(0.22)* 0.42(0.61)* 0.24(0.49) Mobile (h/day) 0.31(0.62)* 0.19(0.35)* 0.24(0.51) SMU (h/day) 3.14(1.69)* 3.41(1.72)* 3.28(1.71)

*: p<0.05. Abbreviations: AP, Academic Performance, SES, Socio-Economic Status, BMI, Body Mass Index; BMI_sds, Standardized Body Mass Index; MPA, Moderate Physical Activity; VPA, Vigorous Physical Activity; time expressed in decimal notation.

Bivariate correlations

Table 11 presents bivariate correlations between PA and SMU with sociodemographic variables for all sample, and Table 12 differentiated by sex. For the PA-related behaviors, their scores were positively and significantly correlated with Sex, SES, and BMI_sds, and negatively with school grade, and TV/video, indicating that boys and adolescents with higher SES and BMI_sds tended to engage longer in MPA, VPA and MVPA.


163

However, the older the adolescents and the more time devoted to watching TV/video, the less time they tended to engage in those behaviors (see Table 11). Interestingly, VPA was positively and significantly related to AP and videogames, thus those adolescents with higher AP and those who spent more time on videogames, tended to devote more time to VPA. Finally, the more time they spent on MVPA the less they spent on overall SMU, but the more on videogames.

Regarding SMU, its scores were positively and significantly correlated with Sex and School grade, indicating that boys and older adolescents tended to engage longer in SMU. Also, the higher correlations were with those who spent more time watching TV/video. Scores of overall SMU were also negatively associated with AP, MPA and MVPA, indicating that adolescents who dedicated less time to MPA and MVPA and had a lower AP tended to spend more time in overall SMU.

As can be seen in Table 12, most of the correlations between PA and SMU with sociodemographic variables for boys and girls were similar to those of the overall sample (see Table 11). Notwithstanding some scores were different. Scores of all PA-related behaviors were positively and significantly correlated with BMI for girls, but not for boys (boys only with MPA) and negatively with overall SMU and TV/video, indicating that girls with higher BMI tended to engage longer in MPA, VPA and MVPA, and the more time the girls devoted to all SMU, especially to watching TV/video, the less time they tended to engage in MVPA, MPA or VPA (see Table 12)

Chapter 3

164

T

able

11.

Biv

aria

te c

orre

latio

ns

SM

U

-

Sex

(1: b

oy, 0

: girl

); **

: p<0

.001

, * p

<0.0

5.

Mob

ile

-

0.36

8**

Vid

eoga

mes

-

-0.0

74**

0.33

7**

Com

pute

r

-

0.16

9**

0.62

0

TV

/Vid

eo

-

0.14

1**

0.06

6**

0.66

1**

MV

PA

-

-0.0

66**

0.10

3**

-0.0

36*

VPA

-

0.62

3**

-.0.0

44*

0.14

6*

MPA

-

0.69

3**

-0.0

44*

-0.0

38**

BM

I_sd

s

-

0.05

9**

0.05

3**

0.07

1**

-0.0

37*

0.04

3*

AP

-

0.06

4**

-0.0

69**

-0.1

49**

-0.0

87**

-0.1

69**

SES

-

0.15

1**

0.08

1**

0.15

7**

0.13

7**

-0.0

80**

0.10

5**

0.06

2**

Scho

ol

grad

e -

-0.0

75**

-0.0

82**

-0.0

98**

-0.1

50**

-0.1

28**

-0.0

50**

0.14

6**

-0.1

28**

0.16

0**

0.06

9**

Sex

-

-0.0

82**

0.06

3**

0.04

4*

0.28

9**

0.24

0**

0.42

8**

-0.1

54**

0.08

2**

Sexr

Scho

ol g

rade

SES

AP

BM

I_sd

s

MPA

VPA

MV

PA

TV

/Vid

eo

Com

pute

r

Vid

eoga

mes

Mob

ile

SMU


165

Tab

le 1

2. B

ivar

iate

cor

rela

tions

diff

eren

tiate

d by

sex

SM

U

-

**:

p<0

.001

, * p

<0.0

5.

Mob

ile

-

0.29

4**

Vid

eoga

mes

-

0.44

5**

Com

pute

r

-

0.14

9**

0.60

3**

TV

/Vid

eo

-

0.18

0**

0.06

2*

0.66

2**

MV

PA

-

-0.0

70**

0.05

6*

VPA

-

0.61

9**

0.06

1*

MPA

-

0.67

8**

BM

I_sd

s

-

0.05

4*

AP

-

0.05

9*

-0.0

53*

-0.1

65**

-0.1

07**

-0.1

61**

SES

-

0.11

1**

0.05

2*

0.16

1**

0.12

5**

-0.0

66**

0.11

2**

Scho

ol

grad

e -

-0.0

83**

-0.0

86**

-0.1

66*

-0.1

20**

-0.1

61**

-0.0

67**

0.17

1**

-0.1

26**

-0.1

31**

BO

YS

Scho

ol g

rade

SES

AP

BM

I_sd

s

MPA

VPA

MV

PA

TV

/Vid

eo

Com

pute

r

Vid

eoga

mes

Mob

ile

SMU

Chapter 3

166

Tab

le 1

2. B

ivar

iate

cor

rela

tions

diff

eren

tiate

d by

sex

SM

U

-

**:

p<0

.001

, * p

<0.0

5.

Mob

ile

-

0.46

3**

Vid

eoga

mes

-

0.17

8**

Com

pute

r

-

0.18

8**

0.64

4**

TV

/Vid

eo

-

0.09

7**

0.07

8**

-0.6

60**

MV

PA

-

-0.0

80**

-0.0

84**

VPA

-

0.56

8**

-0.0

58*

-

-0.0

63*

MPA

-

0.74

0**

-0.0

54*

-0.0

52*

-0.0

64*

BM

I_sd

s

-

0.06

0*

0.05

6*

0.08

6**

AP

-

-0.0

65*

0.13

2**

0.06

6**

-0.0

84**

-0.1

35**

-0.1

00**

-0.1

68**

SES

-

0.20

2**

0.11

0**

0.15

7**

0.15

2**

-0.0

94**

0.09

9**

-0.0

59*

0.08

7**

Scho

ol

grad

e

-

-0.0

68**

-0.0

77**

-0.1

92**

-0.0

96**

0.12

1**

-0.1

87**

0.18

6**

0.09

3**

GIR

LS

Scho

ol g

rade

SES

AP

BM

I_sd

s

MPA

VPA

MV

PA

TV

/Vid

eo

Com

pute

r

Vid

eoga

mes

Mob

ile

SMU


167

Lineal multiple regressions differentiated by sex

The results of the multiple regression analyses with the behavioral and sociodemographic predictors of MVPA, for boys and girls separately, are shown in Table 13. Models accounted for 7.6% of the variance in MVPA for boys and for 4.4% for girls. School grade had significant inverse regression weights for both boys and girls, indicating that older adolescents were expected to engage less in MVPA. SES had a significant positive weight indicating that both boys and girls with higher SES were expected to engage more time in MVPA. For boys, watching TV/video had a significant inverse weight and mobile use a positive weight, indicating that those boys who spent more time on watching TV/video were expected to engage less in MVPA, and those who spent more time devoted to mobile phone were expected to engage more in MVPA. For girls, BMI_sds had a significant positive weight, indicating that girl students with higher BMI were expected to engage more time in MVPA.

Table 13. Lineal multiple regression for MVPA

Boys

(Model 2) Girls

(Model 1) Predictors

B SE β p B SE β p

Constant 1.015 0.070 0.607 0.053 School grade

-0.040 0.006 -0.201 0.001 -0.016 0.006 -0.084 0.007

SES 0.022 0.006 0.113 0.001 0.026 0.005 0.154 0.001 AP 0.012 0.008 0.044 0.156 0.011 0.010 0.036 0.253 BMI sds -0.002 0.026 -0.002 0.944 0.070 0.025 0.086 0.006 TV/video -0.103 0.025 -0.126 0.001 Computer 0.014 0.021 0.020 0.522 Videogames 0.003 0.022 0.005 0.885 Mobile 0.097 0.032 0.094 0.003

B, Beta Value; SE, Standard Error; β: Standardized Beta Coefficients. Significant effects in bold.

The results of the multiple regression analyses with the behavioral and sociodemographic predictors of SMU, for boys and girls separately, are shown in Table 14. Models accounted for 2.8% of the variance in SMU for

Chapter 3

168

boys and for 2.5% for girls. AP had a significant inverse regression weight for both boys and girls, indicating that adolescents with higher AP were expected to engage less in SMU. MPA had also a significant negative weight in girls indicating that girls engaged more time in MPA were expected to engage less time in SMU.

Table 14. Lineal multiple regression for SMU

B, Beta Value; SE, Standard Error; β: Standardized Beta Coefficients. Significant effects in bold.

3.2.3. Discussion

The exploratory purpose of the present study considered several variables as potential predictors of PA and SMU. The large representative sample and a sufficient range of age which embraces nearly all the period of adolescence are considered strengths of this study.

Descriptive findings show that the overall sample did not meet the recommendation of engaging at least 60 min of PA per day. These results are troublesome for the adolescent girls, but not for adolescent boys who averaged enough PA to meet the minimum recommendation. Conversely, the average adolescent surpassed in an hour the minimum guidelines of no more than two hours daily of SMU, spending boys 17 min per day more than girls. Therefore, boys were higher in both behaviors than girls, being these

Boys

(Model 1) Girls

(Model 2) Predictors B SE β p B SE β p Constant 1.888 0.082 1.968 0.083

School grade 0.011 0.009 0.040 0.205 0.012 0.009 0.042 0.186

SES 0.004 0.008 0.016 0.611 0.002 0.008 0.008 0.813

AP -0.054 0.012 -0.144 0.001 -0.067 0.015 -0.146 0.001

BMI sds 0.012 0.037 0.011 0.736 -0.007 0.038 -0.006 0.852

MPA -0.111 0.046 -0.075 0.017

VPA -0.041 0.049 -0.027 0.408


169

results consistently reported in literature (Iannotti, Janssen, Haug, Kololo, Annaheim & Borraccino., 2009).

School grade and SES has been proved as predictor of MVPA for boys and girls. The relationship between MVPA and school grade indicate that adolescents are less likely to engage in MPVA as they move up to more academically-demanding courses. This finding is consistent with results from other studies which indicate that adolescents tend to decrease their time of PA as they get older and their academic responsibilities are more burdensome (Armstrong & Welsman, 2006; Martín-Matilla et al., 2011). Otherwise, the positive association of SES with MVPA is also supported by the literature revealing that adolescents with higher SES are expected to do more MVPA (Bastos, Araújo & Hallal, 2008; Inchley, Currie, Todd, Akhtar & Currie, 2005; Kalman et al., 2015).

TV/video viewing and Mobile phone have been shown as predictors of MVPA, but only in boys. However, the fact that watching TV/video causes a negative impact in MVPA and mobile phone shows a positive association adds controversy to the existent hypotheses in which the SMU compete with PA. While there are authors who support that SMU displaces PA in adolescents (Koezuka et al., 2006; Sandercock, Ogunleye & Voss, 2012), there are others who have no evidence or even are against this competing mechanism (Borraccino et al., 2009; Motl, McAuley, Birnbaum & Lytle, 2006). Otherwise, mobile phone has shown a positive relationship with MVPA, which means that boys who present a higher use of mobile phone are more likely to engage in PA. In this sense, Fanning, Mullen and McAuley (2012) declared that the flexibility and portable aspect of mobile phones, far from contributing to a displacement of PA, allow adolescents to be engaged in PA. Moreover, some screen devices, such as active videogames or mobile applications which allow physical interaction, would predict PA participation (Beltrán-Carrillo et al., 2015).

Surprisingly, the positive association of MVPA with BMI in girls reveals that girls with higher BMI engage in more MVPA. Although most of the studies support the opposite relationships between these variables, a recent study by Collings et al. (2015) is consistent with our finding and may suggest behavioral changes in girls with overweight showing an increase

Chapter 3

170

regard of the health benefits of PA or even a body image concern due to social comparisons among girls during adolescence.

Regarding SMU, the only common predictor for boys and girls is AP. In that case, findings indicate that the better the AP the less time adolescents engage in SMU. In fact, previous research found similar relationships particularly with TV, as the main screen media (Kovacs et al., 2008; Sharif, Wills & Sargent, 2010), and others propose that maintaining a good AP may act as a preventive effect against the excess of SMU (Johnson, Cohen, Kasen & Brook, 2007; Shin, 2004).

Finally, the negative association of MPA with SMU for girls predicts that the more time girls devote to MPA the less time they may spend on SMU. For this group of adolescents the engagement in MPA may compete with the time they dedicate to the overall screen media. It is noteworthy that this potential competing hypothesis in girls has also emerged in previous research (Loucaides, Jago & Theophanous, 2011).

3.3. Study 2

The first purpose of the current study is to test, via a longitudinal path analysis, four competing models that relate different sedentary behaviors (academic, technological and social leisure) and academic performance in order to determine which the best predictor of the other is. According to the previous literature review, sex may affect the relationships between sedentary behaviors and academic performance. Thus, a second purpose emerges to assess the potential moderating effects of sex on these relationships. These purposes corresponds with the objectives 3 and 4 of this PhD (p. 126)

To test the fit of the data to the hypothesized models and plausible causal hypothesis, structural equation modeling (SEM) analyses were conducted using EQS, version 6. In particular, a comparative analysis was performed to assess four competing models and to determine which model best fitted the data. Furthermore, the best-fitting model was separately tested by sex in a multigroup analysis


171

The overall fit of the structural models was assessed using different indices with different rationale according to literature (Hu & Bentler, 1999). Goodness-of-fit index (GFI) and comparative fit index (CFI), whose minimum value to accept a model is .90, being 1 a value of a perfect fit. Root mean squared error of approximation (RMSEA) and Standard root mean residual (SRMR), whose values between .08 and .05 would indicate a reasonable error of approximation and a value of .05 or below would result in a good fit of the model. Finally, the parsimony index of each model, and the comparison of them, was assessed using Akaike’s information criterion (AIC) (Akaike, 1987).

3.3.2. Results

Descriptive statistics were calculated for each variable from the cohort in Wave I and Wave II. Each sedentary behavior variable had mean scores equal or above 1 hour and twenty minutes of usage per day. In particular, adolescents from Wave I spent a mean of 2.08 ±1.31 hours daily participating in technology-based activities hence becoming the activities in which students spent more time. Social-based leisure activities reached the highest amount of time (3.00 ± 1.88 hours per day) in Wave II. The overall mean score of sedentary behaviors increased by two hours and five minutes from Wave I (4.80 ± 1.88) to Wave II (6.88 ± 2.27). Finally, academic performance mean values were 3.48 ± 0.86 (Wave I) and 3.21 ± 0.98 (Wave II), indicating good achievements (see Table 15).

Table 15. Descriptive statistics for sedentary behaviors and academic performance

Cohort in Wave I Cohort in Wave II

Parameter OSA AA TA SB AP OSA AA TA SB AP Mean 1.60 1.33 2.08 1.38 3.48 2.29 1.82 2.05 3.00 3.21 SD 1.16 0.78 1.31 1.15 0.86 1.57 1.22 1.25 1.88 0.98 Skewness 1.48 0.77 1.36 1.44 -1.31 1.39 1.19 1.16 0.97 -0.83 Kurtosis 3.75 0.71 2.77 3.27 0.84 2.80 3.59 1.92 1.23 -0.37

Time-related values are expressed in decimal notation. OSA: Overall sedentary behaviors; AA: Academic activities; TA: Technological-based activities; SA: Social-based activities; AP: Academic performance

Chapter 3

172

Model comparison

Four different competing models were tested (see in Figure 9). The description of them was as follows:

(a) Model 0 (M0). Self-predicted variables or auto-regressive model.

(b) Model 1 (M1). Sedentary behaviors predicted academic performance.

(c) Model 2 (M2): Academic performance predicted sedentary behaviors.

(d) Model 3 (M3): Academic performance and sedentary behaviors predicted each other.

Figure 9. Competing models. AA: Academic activities; TA: Technological-based activities; SA: Social-based activities; AP: Academic performance; W I: Wave I; W II: Wave II

Goodness-of-fit indices for the four competing models are presented in Table 16. Models 1, 2 and 3 fitted the data well. Model 0 (auto-regressive model) had poor fit. Specifically, in M1 to 3, CFI and GFI were above .90,


173

the SRMR values were smaller than .05 and the RMSEA approached the satisfactory fit values, in particular Model 2 with the value being close to .05. CFI did not reach .90 in M0 and SRMR value was over .05. Therefore, M0 was not considered for further comparisons.

A chi-square contrast test (∆χ2) was carried out to determine differences between the three models with a good fit to the data. Considering that two models are different if the chi-square difference is significant (Little, 1997), this test showed that M1 and M3 were different models (∆χ2 = 26.54; ∆df = 3; p < .001) and M2 and M3 were equivalent (∆χ2 = 6.35; ∆df = 3; p = .07).

Once it was determined that M2 and M3 had the same statistical fit, and given that the values of the different indices, including the AIC parsimony index, for both models were almost identical (see Table 16), M2 is the model with the larger df and fewer parameters, and it is therefore, the most restricted and parsimonious model. According to Hu and Bentler (1999), if two mathematical models explain equivalently the reality, the simplest one is chosen since random significant effects are restricted. Therefore, as a result of the model comparison analysis M2 emerged as the best model among the four ones previously hypothesized.

Table 16. Goodness-of-fit indices for the four competing models

Goodness-of-fit Model 0 Model 1 Model 2 Model 3

χ2 robust 59.14 53.10 33.71 27.54

Degrees of freedom (d.f.) 12 9 9 6

P .000 .000 .000 .000

CFI robust .899 .906 .947 .954

GFI .98 .983 .988 .99

RMSEA robust .072 .081 .061 .069

(90% CI) (.05, .09) (.06, .10) (.04, .08) (.04, .10)

SRMR .051 .047 .037 .032

AIC 35.14 35.01 15.71 15.54

Chapter 3

174

Portraying the best model

The Lagrange Multiplier Test (LM) revealed a relationship between technology-based activities in Wave I and academic activities in Wave II, which also improved the goodness of fit of Model 2 (CFIrobust=.979; GFI=.994; RMSEArobust=.041 (90% CI: .02, .07); SRMR=.026). Figure 10 shows the Best Model, which includes covariations among the variables and standardized values. This model indicated that adolescents’ academic performance predicted the time they spent on sedentary behaviors. It also showed positive auto-regressive effects on the four variables with academic performance and social-based activities being the strongest ones. These two variables accounted for 13% of the variance in academic performance and social-based activities in Wave II. Furthermore, academic performance exhibited a positive longitudinal effect on academic activities and a negative one on social-based activities. Thus, students who performed better academically in early years of adolescence were more likely to spend more time on academic activities and less time on social-based behaviors when they are older. Technological-based activities also showed an inverse longitudinal effect on academic activities. Therefore, students who spent more time on technological-based activities were more probable to devote less time to academic activities three years later.

Figure 10. Best Model with correlations and standardized structural effects. Notes: All narrows had significant estimates (P <.05); R2= proportion of variance explained; AA= academic activities; SA= social-based activities; TA= technological-based activities; AP= Academic performance


175

Examination of the pattern of correlations within Wave I revealed that academic performance had a negative relationship with social-based sedentary behaviors and this variable had a negative relationship with academic sedentary behaviors as well. Covariations in Wave II showed more associations among variables than in Wave I. The better the adolescents performed academically, the more time they devoted to academic activities and less to social-based and technology-based activities. Finally, the longer adolescents’ time on social-based and technology-based activities the shorter their time on academic activities.

Multigroup model by sex

The retained model (the one with best fit to the data) was separately tested in girls and boys, showing an adequate fit in both groups: girls (χ2 = 21.78, p = .001, CFI = .96, GFI = .99, RMSEA =.04, SRMR =.05) and boys (χ2 = 30.21, p < .001, CFI = .92, GFI = .98, RMSEA = .07, SRMR =.05). Once adequate fit was established separately in both groups, a set of multigroup SEM models was performed in a sequence of steps. Once good model fit has been separately established, a configural model, with all parameters free to be estimated is tested (baseline). Then a fully constrained model to equality was tested (constrained). This model tested the hypothesis that no differences existed in the relationships between girls and boys, thus no presence of moderating effects. Model fit for the model with all parameters constrained was deteriorated compared to baseline results (see Table 17). Lagrange Multiplier tests (modification indices) pointed at the need to release the constraint on TA’s auto-regressive effect. After releasing this constraint, this new modified model (definitive) showed a good fit (see Table 17). This final model suggests that a moderating effect by sex was present in the auto-regression of technology-based activities, being higher in boys compared to girls (see this effect in Figure 10).

Chapter 3

176

Table 17. Goodness of fit for the hierarchical multigroup models

Goodness-of-fit Multisample (baseline)

Multisample (constrained)

Multisample (definitve)

χ2 robust 53.46 69.62 63.21 Degrees of freedom (d.f.) 26 34 33 P .000 .000 .000 CFI robust .938 .919 .932 GFI .982 .976 .978 RMSEA robust .053 .053 .049 (90% CI) (.03, .07) (.03, .07) (.03, .07) SRMR .049 .056 .052 AIC 1.458 1.622 -2.790

3.3.3. Discussion

This study compares four hypothesized models of prediction between adolescents’ time spent on different sedentary behaviors (academic activities, technology-based and social-based activities) and academic performance. Our results indicate that the Best Model is the M2 improved once the LM-test was applied. It supports that academic performance is a better predictor of sedentary behaviors in adolescence than the other way round.

According to the Best Model, the positive auto-regressive effects of the four variables under study are consistent with the general ‘success breeds success’ hypothesis supported by the academic achievement field (Salanova, Schaufeli, Martínez & Bresó, 2010), as well as other domains such as information science and technological innovation (Flaig & Stadler, 1994; Santoro, 2000). In particular, the academic tracking effect of .368, the highest in our study, can be placed between the effects of .430 and .190 found in the two auto-regressive models tested by Jackson, Von Eye, Witt, Zhao and Fitzgerald (2011), but far from .740 and .967, pointed out by Salanova, Schaufeli, Martínez and Bresó (2010) and Ross and Broh (2000) respectively. These distances can be explained by the variation in the type of samples used, since the latter were students from 12th grade or undergraduate university students, while the previous samples were students from compulsory schooling, which gathers students with a wider range of


177

academic performance. Even so, the results of this study reveal that students who obtain excellent academic results are more likely to succeed academically in the future and those who spend more time on the three different types of sedentary behaviors in early adolescence are more probable to engage more time in those sedentary behaviors during late adolescence. Although the proportion of variance accounted for from Wave I to Wave II was not large, the importance of the predictive capacity of the type of analysis employed should be stressed.

Furthermore, academic performance also shows a negative longitudinal effect on social-based activities and a positive one on academic behaviors. These relationships indicate that students who perform better academically in early years of adolescence have a higher probability of spending more time on academic activities and less time on social-based behaviors when they are older. Therefore, academic performance in early adolescence may have a motivating force on sedentary behaviors, such as doing homework or studying with and without a computer, while they might have the opposite effect on behaviors, such as sitting out with friends or chatting via social networks in late adolescence. Consequently, a high academic performance may play a protective role in the (excessive time of) future social-leisure behaviors in a similar way as a protective role in the future use of drugs, as revealed in other studies (Bryan, Schulenberg, O’Malley, Bachman & Johnston, 2003; Henry, Smith & Caldwell, 2007).

Technological-based activities also appear as an important predictor in the final model (see Fig 3). They show a negative effect on academic behaviors three years later, and also an increase in the auto-regressive effect moderated by sex. These results are consistent with previous studies that find boys spending more time on overall screen media and technological-based activities than girls (Rideout, Foehr & Roberts, 2010; Serrano-Sánchez, Martí-Trujillo, Lera-Navarro, Dorado-García, González-Henríquez & Sanchís-Moysi, 2011). As previously suggested, it may be due to a males’ preference for individual activities, personal challenges or contests with peers, while females prefer social activities for communicating with friends (Hardy, Dobbins, Booth & Okely, 2006). Nevertheless, these results differ from other studies that show a decrease of time devoted to technological-based activities with the age of adolescents, especially TV and videogames (Biddle, Marshall & Gorely, 2009; Rideout, Foehr & Roberts, 2010).

Chapter 3

178

Moreover, the negative effect of these activities on academic behaviors three years later suggests a displacement hypothesis between both behaviors deferred in time. This hypothesis is found in cross-sectional studies, but it is also observed in longitudinal studies since excessive time spent on technological-based activities is associated with long-term risk of attention difficulties, infrequent homework completion, reducing reading time and poor grades in adolescents and young adults (Jackson, Von Eye, Witt, Zhao & Fitzgerald, 2011; Johnson, Cohen, Kasen & Brook, 2007; Ruiz et al., 2010; Sharif, Wills & Sargent, 2010; Shin, 2004). Therefore, sedentary behaviors linked to screen media usage (playing with video consoles or watching TV) in early adolescence are likely to displace academic behaviors when getting older, probably due to a habit acquired several years earlier.

The appearance of significant covariate effects in Waves I and II reflects similar patterns to longitudinal effects. It is important to know the amount of relationships in Wave II. The positive association between academic behaviors and academic performance, considering that academic behaviors receive a negative longitudinal effect from technological-based activities in Wave I, are in line with those studies that support the importance of several academic behaviors as mediators between media use and academic performance (Jackson, Von Eye, Witt, Zhao & Fitzgerald, 2011; Johnson, Cohen, Kasen & Brook, 2007; Sharif, Wills & Sargent, 2010; Shin, 2004; Walsh, Fielder, Carey & Carey, 2013). On the contrary, the negative relationships of social and technological-based activities with academic performance are similar to the results of other cross-sectional studies on adolescents, some referring to a displacement mechanism (Henry, Smith & Caldwell, 2007; Iannotti, Janssen, Haug, Kololo, Annaheim & Borraccino, 2009; Serra-Majem, Ribas-Barba, Aranceta-Bartrina, Pérez-Rodrigo, Saavedra-Santana & Peña-Quintana, 2003). In fact, the need (and pressure) older adolescents in High School (grades 11 and 12) have to get good marks to be able to study their preferred choice of studies in higher education may help to explain the positive link between academic performance and academic activities and the negative association with social-based activities. In any case, these covariate relationships, not only indicate the complexity of different types of sedentary behaviors and academic performance relationships, but also the in-depth search necessity to explain academic performance and sedentary behaviors beyond ‘success breeds success’ and


179

displacement hypotheses. Therefore, this contribution may open new possibilities in addressing future studies regarding the relationships between academic performance and sedentary behaviors.

3.4. Study 3

The purpose of this study was twofold. First, to determine longitudinal changes in the time Spanish adolescents devote to MVPA and SMU, by sociodemographic variables, with especial interest in analyzing the evolution of the interactions among them. Second, to examine the displacement hypothesis between time spent in SMU and in MVPA over a three-year time period. These purposes corresponds with the objectives 5, 6 and 7 of this PhD (p. 126-127)

A repeated measures analysis of variance (mixed ANOVA) was performed using SPSS version 22.0 software. Concretely the main interactions of all variables (MVPA, sex, cohort group, SES and temporal moment were examined.

Furthermore, several models using structural equation modeling (SEM) were also proposed in order to test the displacement hypothesis between time spent in SMU and MVPA, considering the same indices for this test than in study 2.

3.4.2. Results

Descriptive statistics for all individual level variables are presented in Table 18. Boys from both groups (younger and older) spent more time in MVPA than the girls from the two waves. Moreover, boys from both waves and groups of adolescents spent more time than girls did in the overall SMU variable and each particular media, except for mobile phone usage. Time devoted to MVPA decreased and SMU increased in the two waves and groups of adolescents. SES levels remained steady in the two waves and in both groups.

Chapter 3

180

Tab

le 1

8. D

escr

iptiv

e st

atis

tics f

or ti

me

enga

ged

in p

hysi

cal a

ctiv

ity a

nd u

se o

f scr

een

med

ia, a

nd so

cioe

cono

mic

stat

us b

y gr

oup

and

wav

e

Old

gro

up (n

=217

)

Late

stag

e (W

ave

II)

Boy

s

n=97

0.66

(0.4

2)

4.19

(1.9

7)

1.67

(0.9

9)

0.74

(1.0

6)

0.35

(0.5

7)

1.43

(1.1

7)

30.7

0

69.3

0

Abb

revi

atio

ns: M

VPA

, Mod

erat

e to

Vig

orou

s Phy

sica

l Act

ivity

; SM

U, S

cree

n M

edia

Tim

e U

se;

SES,

Soc

io-E

cono

mic

Sta

tus;

Wav

e I,

2010

col

lect

ed d

ata;

Wav

e II

, 201

3 co

llect

ed d

ata.

Girl

s

n=12

0

0.45

(0.3

9)

3.93

(1.9

3)

1.42

(0.8

4)

0.50

(0.7

4)

0.04

(0.1

5)

1.99

(1.4

9)

27.2

3

72.2

4

Mid

dle

stag

e (W

ave

I)

Boy

s

n=97

1.21

(0.6

7)

3.43

(1.7

4)

1.58

(1.0

3)

1.19

(0.9

0)

0.56

(0.7

6)

0.13

(0.2

9)

30.7

0

69.3

0

Girl

s

n=12

0

0.77

(0.5

1)

3.13

(1.4

5)

1.47

(0.8

6)

1.34

(0.8

4)

0.03

(0.1

2)

0.29

(0.3

4)

27.2

3

72.2

4

Y

oung

gro

up (n

=538

)

Mid

dle

stag

e (W

ave

II)

Boy

s

n=25

1

0.93

(0.5

6)

4.59

(1.9

7)

1.72

(0.9

6)

0.76

(0.9

1)

0.58

(0.8

1)

1.53

(1.2

4)

32.5

0

67.5

0

Girl

s

n=28

7

0.68

(0.4

8)

4.21

(2.0

5)

1.55

(0.8

8)

0.52

(0.6

7)

0.04

(0.1

6)

2.11

(1.5

6)

34.4

1

65.6

9

Early

stag

e (W

ave

I)

Boy

s

n=25

1

1.16

(0.5

8)

3.09

(1.5

6)

1.57

(0.9

4)

0.98

(0.8

1)

0.45

(0.6

3)

0.10

(0.2

1)

32.5

0

67.5

0

Girl

s

n=28

7

0.80

(0.5

2)

2.83

(1.5

2)

1.56

(0.9

8)

1.03

(0.8

8)

0.09

(0.2

1)

0.15

(0.3

3)

34.4

1

65.6

9

MV

PA

SMU

TV/v

ideo

Com

pute

r

Vid

eoga

mes

Mob

ile

SES

(%)

(low

-mid

dle)

(hig

h)


181

Longitudinal changes by interaction effects

Results of the 2x2x2x2x2 (behavior, sex, group, SES, wave) mixed ANOVA showed a significant main effect for behavior (F(1, 720) = 2509.32, p < 0.01, η2 = 0.77). Therefore, adolescents invested less time in SMU in Wave I (M= 3.04, SD= 1.56) than in Wave II (M= 4.29, SD= 2.00) while they spent more time in MVPA in Wave I (M= 0.97, SD= 0.59) compared to Wave II (M= 0.73, SD= 0.52) (see Figure 11).

Other three significant interactions were obtained as results of the mixed ANOVA: a) interaction between behavior and sex (F(1, 720) = 5.64, p < 0.05, η2 = 0.008); b) interaction between behavior and group (F(1, 720) = 5.41, p < 0.05, η2 = 0.007); and c) interaction between behavior and wave (F(1, 720) = 249.50, p < 0.01, η2 = 0.26). The interaction between behavior and sex indicated that girls showed a lower decrease of time spent in MVPA from Wave I to Wave II (Wave I: M= 0.80, SD= 0.52; Wave II: M= 0.61, SD= 0.47) than boys (Wave I: M= 1.17, SD= 0.61; Wave II: M= 0.86, SD= 0.54). Also, girls showed lower increase of time devoted to SMU from Wave I to Wave II (Wave I: M= 2.91, SD= 1.50); Wave II: M= 4.13, SD= 2.02) than boys (Wave I: M= 3.19, SD= 1.62; Wave II: M= 4.48, SD= 1.98).

The interaction between behavior and group indicated that the young group showed a lower decrease of time in MVPA from Wave I to Wave II (Wave I: M= 0.97, SD= 0.58; Wave II: M= 0.80, SD= 0.53) than the old group (Wave I: M= 0.97, SD= 0.63; Wave II: M= 0.54, SD= 0.42). Moreover the young group showed a higher increase of time in SMU between waves (Wave I: M= 2.95, SD= 1.54; Wave II: M= 4.39, SD= 2.02) than the old group (Wave I: M= 3.27, SD= 1.59; Wave II: M= 4.05, SD= 1.95). Finally, the interaction effect between behavior and wave revealed a decrease of time spent in MVPA from Wave I to Wave II (Wave I: M= 0.97, SD= 0.59; Wave II: M= 0.73, SD= 0.52) compared to the increase of time in SMU from Wave I to Wave II (Wave I: M= 3.04, SD= 1.56; Wave II: M= 4.29, SD= 2.00) (see Figure 11). This time-related variation between the two behaviors under study suggests a possible displacement of time spent in MVPA towards time adolescents devoted to SMU.

Chapter 3

182

Figure 11. Longitudinal changes by interaction effects

Displacement hypothesis test

A theoretical-saturated path model, including the whole sample, was performed to test the displacement hypothesis suggested in the previous analysis since this Structural Equation Model technique establishes longitudinal effects between time spent in MVPA and SMU. The path model showed an almost perfect fit (χ2 = .881, p < .001, CFI = .99, GFI = .99, RMSEA =.01), but only autoregressive effects were statistically significant which lead to discarding the displacement hypothesis (see Figure 12).

Figure 12. Theoretical path model. MVPA: Moderate to Vigorous Physical Activity; SMU: Screen Media Usage; R2= proportion of variance explained


183

However, to determine whether this hypothesis could be accomplished for boys or girls, the model was tested separately by sex. Once this model showed a good fit in both groups (girls: χ2 = .022, p < .001, CFI = .99, GFI = .99, RMSEA =.01; boys: χ2 = 2.19, p < .001, CFI = .96, GFI = .99, RMSEA = .06), a multi-group analysis was completed, following the same process explained in Study 2. The baseline model maintained a similar fit to the overall baseline (χ2 = 1.89, p < .001, CFI = .99, GFI = .99, RMSEA =.01). Nonetheless, the constrained model fit was damaged (χ2 = 20.15, p < .001, CFI = .87, GFI = .98, RMSEA =.01), meaning there were some differences among groups. Finally, the definitive constrained model which showed a suitable fit (χ2 = 3.28, p < .001, CFI = .99, GFI = .99, RMSEA =.01), indicated two main longitudinal effects (see Figure 13). First, autoregressive effects appeared in MVPA and SMU, being the former moderated by sex and showing a stronger effect in girls. Second, a longitudinal effect was observed from SMU in Wave I to time spent in MVPA in Wave II, but only significant and negative in boys, indicating a possible displacement of time devoted to MVPA in Wave II by SMU in Wave I.

Figure 13. Definitive model to test displacement hypothesis. MVPA: Moderate to Vigorous Physical Activity; SMU: Screen Media Usage; *=p <.05; R2= proportion of variance explained

3.4.3. Discussion

This is the first study to examine longitudinal changes in time spent on MVPA and SMU and the displacement hypothesis between both variables in Spanish adolescents. Consistent with findings in previous studies, (Gebremariam et al., 2012; Hardy, Booth & Okely, 2007) longitudinal changes in time spent on SMU evolve in the opposite direction of MVPA.

Chapter 3

184

Adolescents spend less time on SMU and more time on MVPA in Wave I than in Wave II. The rise on SMU is probably due to the spectacular penetration of mobile phones and their impact on Spanish adolescents’ daily lives over the last few years. It is further accentuated with the appearance of a new generation of mobile phones and tablets (Telefónica, 2015). Changes also indicate that girls show a lower decrease of time spent on MVPA and lower increase on SMU than boys, in a similar way as found in longitudinal research from abroad (Hancox, Milne & Poulton, 2005; Kjønniksen, Torsheim & Wold, 2008). Furthermore, the old group of adolescents reveals a higher decline in time spent on MVPA and lower growth on SMU compared to the young group. These results are consistent with previous longitudinal studies that observe a substantial age-related decrease in time spent in MVPA (Basterfield, Adamson, Frary, Parkinson, Pearce & Reilly, 2010; Gordon-Larsen, Nelson & Popkin, 2004; Nelson, 2006) and softer increase on SMU (Dumith, Totaro Garcia, da Silva, Baptista & Hallal, 2012). The age-related variations suggest that new generations are keener with media technology, although it is needed to be cautious due to differences in socialization of certain groups that still exists in developed societies (Bennett, Maton & Kervin, 2010; Hargittai, 2010; Jones, Okely, Caputi & Cliff; 2010). However, recent research refers to socio-environmental factors, such as new social demands (relationships, shopping or going out with friends), family responsibilities or chores, part-time jobs and academic load (Caballo, Caride & Gradaílle, 2012; Devís-Devís, Beltrán-Carrillo & Peiró-Velert, 2015) which emerge as new ways of spending leisure time especially among old adolescents, may help to understand these study results.

Interestingly, the longitudinal time-related variations in SMU and MVPA among adolescents, the increase/decrease of time of both behaviors from Wave I to Wave II, indicates that probably adolescents take time from MVPA, and some other behaviors, in order to gain time in SMU. Therefore, it suggests a possible displacement of time spent on MVPA towards time adolescents devoted to SMU, as recently indicated by Basterfield, Adamson, Frary, Parkinson, Pearce and Reilly (2010) in USA children, although it is still unclear from which behaviors they take this time. Nevertheless, subsequent SEM analysis suggests that the displacement hypothesis needs to be discarded for the whole sample because only autoregressive effects were statistically significant. Therefore, time spent in SMU does not necessarily


185

interfere with Spanish adolescents being physically active or not, as previous studies reveal (Borraccino et al., 2009; Taveras et al., 2007). According to these results, time spent in MVPA and SMU may coexist or occupy different leisure-time spaces (Owen, Leslie & Salmon, 2000).

Notwithstanding, the multi-group analysis developed by sex suggests a deferred displacement hypothesis between time spent on SMU and MVPA in boys and not girls. Hence, boys who spend more time on SMU are more likely to devote less time to MVPA three years later. Consistent with research that reveals differences in the uses of media as a function of sex, (Koezuka, et al., 2006; Muñoz-Miralles, Ortega-González, Batalla-Martínez, López-Morón, Manresa & Torán-Monserrat, 2014; Sánchez-Martínez & Otero, 2009; Serrano-Sánchez, Martí-Trujillo, Lera-Navarro, Dorado-García, González-Henríquez & Sanchís-Moysi, 2011) the partial displacement in the present study suggests that videogame exerts a stronger influence on boys compared to the influence mobile phone exerts on girls. Likewise, the flexibility and portable aspect of mobile phones far from contributing to a displacement of PA, allow adolescents to simultaneously be engaged in a mild-to-moderate PA while using them, as recent reviews and studies suggest (Fanning, Mullen & McAuley, 2012; Lepp, Barkley, Sanders, Rebold & Gates, 2013).

3.5. Study 4

The main purpose of this study is to examine longitudinal changes in PA, SB and BMI in Spanish adolescents, specially focused on who migrate towards a lower weight status. This purpose corresponds with the last four objectives of this PhD (8, 9, 10, 11; p. 127)

Clustering Self-Organizing Map (SOM) through MATLAB R2008a software was used to visualize the interrelations among PA, SB, and BMI and how adolescents were grouped. Subsequently migrations of subjects from one cluster to another, after three years, were quantified. Finally, a classification tree was used to know the behaviour characteristics of those groups which change towards a lower weight status.

Chapter 3

186

3.5.2. Results

Before describing the results, it is necessary to explain some aspects of the analysis that will help the reader to better interpret the SOM. At the time the analysis algorithm finishes, all sample subjects (input) are placed in a given neuron (output). Thus, subjects are grouped in the same neuron with those colleagues with whom they share more characteristics and they will always be placed in the same place (i.e. the same neuron).

SOM description and clusters

As a result of the SOM analysis, a final group of 7 maps corresponding to the 7 variables of our study emerged (see Figure 14). The sex map, for instance, showed that boys and girls were located in opposite sides (bluish top are girls and reddish bottom are boys). The visualization of the components plane as a whole permitted establishing reciprocal links or topological relationships among the maps. These relationships indicated that boys spent more time on MPA than girls, and this difference was sharper in VPA. Moreover, girls devoted more time to AA and SA, especially a group of them, than boys. On the contrary, boys spent more time on TA, mainly a group of them, than girls. It was also worth noting that the overweight and obese boys and girls, located in the east zone of BMI map, devoted less time to AA, SA, TA, MPA and VPA than normal-weight and underweight adolescents, although there was a small group of overweight and obese boys that spent a considerable time in VPA. Other topological relationships indicate that those girls who spent more time on AA and SA devoted less time to MPA and VPA and boys who spent more time in TA devoted less time to MPA and moderate time in VPA.

These results were also supported by parametric analyses between the studied variables (see Table 19). Particularly, the significant negative associations among AA with MPA and VPA (r = –0.38 and r = –0.44 respectively) and SA with MPA (r = –0.60.), while the association between TA and VPA turned to positive (r = 0.38). On the other hand, BMI was related positively with VPA (r = 0.18) but negatively with SA (r = –0.15) and AA (r = –0.25).


187

Figure 14. Component planes of the recorded variables. From left to right and from top to bottom: U-Matrix; the component planes of the variables sex (male=1, female=2), standardized body mass index (kg m-2), low physical activity (hours day-1); moderate physical activity (hours day-1); vigorous physical activity (hours day-1); academic sedentary activities (hours day-1); social sedentary activities (hours day-1); technological sedentary activities (hours day-1); hit map, where the four clusters (numbers 1–4) are marked. These areas are overlapped on all maps in the figure for clarification

Table 19. Pearson correlation coefficients among variables

Abbreviations: BMI, body mass index; MPA, moderate physical activity; VPA, vigorous physical activity; AA, academic sedentary activities; SA, social sedentary activities; TA, technological sedentary activities. Data are expressed as correlation coefficients [95% confidence intervals]. *Significant correlation to 0.01 level (bilateral)

Chapter 3

188

Hits plane is placed at the bottom right corner of Figure 14. This map presented four identified clusters. Clusters 1 and 3 referred to subjects with high BMI, and clusters 2 and 4 represented adolescents with low BMI. Moreover, girls were grouped in clusters 3 and 4 and boys in clusters 1 and 2. Descriptive data and confidence intervals of each cluster is presented in Table 20.

Table 20. Descriptive statistics of the neuron values

Abbreviations: BMI, body mass index; MPA, moderate physical activity; VPA, vigorous physical activity; AA, academic sedentary activities; SA, social sedentary activities; TA, technological sedentary activities. Data are expressed as correlation coefficients [95% confidence intervals]

Cluster migrations

The trajectories followed by the participants during the period of time between the two measures are showed in Figure 15. It is remarkable that some subjects placed in clusters 1 and 3 (overweight and obese zones) migrated to the opposite side (normal weight zones) 3 years later.

Specifically, the changes in adolescents’ BMI indicate that 103 girls from cluster 3 (55.9% of the cluster subjects) reached cluster 4, and 98 boys from cluster 1 (48.9% of the cluster subjects) migrate to cluster 2 after this time period. In other words, around 22.66% of the adolescents’ sample has changed from an overweight/obese zone to a normal weight status zone after three years. No changes were observed from cluster 2 to cluster 1 and neither from cluster 4 to cluster 3.


189

Figure 15. Distance travelled by the subjects between the two measures. The lines indicate the neurons through which the subjects have moved

Changes towards a lower weight cluster

A classification tree was performed to exhibit the different adolescents’ groups of change in their weight status towards a lower weight cluster (Figure 16). In particular, ten of the eighteen groups identified gathered the majority of participants who changed. Although the behavioral patterns of these groups are presented in Table 21, three were highlighted for different reasons some of them.

The group number 18 corresponds with the highest percentage of all the adolescents’ sample (i.e., 15.4 %) who changed from an overweight/obese cluster to a normal weight cluster from the total adolescents who changed of cluster. These participants decreased their MPA and their AA in at least 0.72 and 1.33 hours/day respectively.

Chapter 3

190

Besides, group number 11 was selected as an example of group in which all the adolescents (n=6) changed from an overweight/obese cluster to a normal weight cluster. These participants decreased their MPA in at least 0.37 hours/day, could decrease their AA or increase them in a maximum of 1.33 hours/day, increased their SA in at least 1.06 hours/day and increase their TA or decrease them in a maximum of 1.46 hours.

Finally, group 4 corresponds with the groups in which the change is the lowest percentage (72.7%, i.e., 8 subjects from 11). These participants could increase their MVP or decrease it but in a maximum of 0.72 hours, could also decrease their VPA or increase it in a maximum of 0.39 hours, decreased their AA in at least 0.82 hours and decreased their TA or increased these activities in maximum of 1.61 hours.


191

Figure 16. Classification tree

Chapter 3

192

Table 21. Behavioral characteristics and percentages of change of the subjects who switched to a cluster of lower weight

Group 2. 83.3% of change Were overweight at the beginning. Increase or decrease their MPA in a maximum of 0.72 hours. Increase their VPA more than 0.39 hours.

Group 3. 83.3% of change Were overweight at the beginning. Increase or decrease their MPA in a maximum of 0.72 hours. Decrease their VPA or increase in a maximum of 0.39 hours. Increase their AA in at least 1.83 hours.

Group 4. 72.7% of change Were overweight at the beginning. Increase or decrease their MPA in a maximum of 0.72 hours. Decrease their VPA or increase in a maximum of 0.39 hours. Decrease their AA in at least 0.82 hours. Decrease their TA or increase in maximum of 1.61 hours.

Group 7. 71.4% of change Were overweight at the beginning. Decrease their MPA in a least of 0.72. Decrease their VPA or increase in a maximum of 0.43 hours. Decrease their AA or increase in a maximum of 1.33 hours/day. Decrease their SA or increase in a maximum of 1.06 hours/day. Decrease their TA in at least 1.03 hours.

Group 9. 100% of change Were overweight at the beginning. Decrease their MPA in a least of 0.72. Decrease their VPA or increase in a maximum of 0.43 hours. Decrease their AA or increase in a maximum of 1.33 hours/day. Decrease their SA or increase in a maximum of 1.06 hours/day. Decrease their TA between 0.28 and 0.7 hours.

Group 11. 100% of change Were overweight at the beginning. Decrease their MPA in a least of 0.72. Decrease their VPA or increase in a maximum of 0.43 hours. Decrease their AA or increase in a maximum of 1.33 hours/day. Decrease their SA or increase in a maximum of 1.06 hours/day. Increase their TA between 0.78 and 3.19

Group 14. 100% of change Were overweight at the beginning. Decrease their MPA in a least of 0.72. Decrease their AA or increase in a maximum of 1.33 hours/day. Increase their SA in at least 1.06 hours/day. Decrease their TA in at least 1.46 hours.

Group 15. 77.7% of change Were overweight at the beginning. Decrease their MPA in at least 0.37 hours/day. Decrease their AA or increase in a maximum of 1.33 hours/day. Increase their SA in at least 1.06 hours/day. Increase their TA or decrease in a maximum of 1.46 hours.

Group 17. 83.3% of change Were overweight at the beginning. Decrease their MPA between 0.16 and 0.72. Decrease their AA or increase in a maximum of 1.33 hours/day. Increase their SA in at least 1.06 hours/day. Increase their TA or decrease in a maximum of 1.46 hours.

Group 18. 84% of change Were overweight at the beginning. Decrease their MPA in at least 0.72. Increase their AA in at least 1.33 hours/day.


193

3.5.3. Discussion

This study examines longitudinal changes in PA, SB and BMI in Spanish adolescents, specifically focused on who migrate towards a lower weight status. Previous longitudinal studies have afforded these changes by a linear statistical methods but this is the first time that a clustering SOM analysis is performed in a longitudinal study to examine these triumvirate of variables and the migrations between clusters. This paper is also innovative in using a classification tree to focus on behavioral characteristics of those groups of adolescents which migrate towards a lower weight status.

The main longitudinal results from cluster migrations indicate that an important group of adolescents (55.9% of girls and 48.9% of boys) that were classified as overweight or obese in Wave I change to normal-weight in Wave II. Therefore, 22.66% of adolescents from the total sample change their weight status to a lower category and none of them change in the opposite direction. This is a surprising result because changes address towards a reduction of weight when many studies refer to the increase in the prevalence of overweight and obese in adolescents (Janssen et al., 2005; Rokholm, Baker & Sørensen, 2010; Venn et al., 2007). A possible explanation of this counterintuitive result refers to a biological or developmental reason due to the growing ages of the sample (Carrascosa et al., 2008; 2010). The behavioral characteristics of those groups of adolescents that change to a lower weight status (see Table 21) do not enlighten an explanation about the longitudinal results. These characteristics do not allow to support the hypothesis that the change to a lower weight status is a consequence of an increase in time devoted to PA or a decrease in time spent on SB (Collings, et al., 2015; Elgar, Robert, Moore & Tudor-Smith., 2005; Laurson, Eisenmann & Moore, 2008). The longitudinal results of this paper are closer to the studies that report PA exerts a weak influence on overweight and obesity (Aires et al., 2010), as well as those other that find no clear effect of AA, SA and TA on weight (Rey-López, Vicente-Rodríguez, Biosca & Moreno, 2008; Sisson et al., 2011). Therefore, the results suggest that there are other ways of change to a lower-weight status in adolescents apart from those in which PA and SB are involved.

Chapter 3

194

The results about interrelationships among PA, SB and BMI, obtained from the visualization of SOM, are consistent with those studies that indicate boys are more active and tend to be less sedentary than girls (Hallal et al, 2012; Ottevaere et al., 2011; WHO, 2010). Nevertheless, in terms of SB, this paper is in line with previous studies which show that boys devote more time to TA, such as computer and videogames, than girls (García-Continente et al., 2013; Thibault et al., 2010), and girls spend more time on SA, such as meeting with friends or using mobile phones for social interaction, than boys (Devís-Devís et al., 2009; Koezuka et al., 2006). The results also show a moderate competing effect between SB and PA, especially in girls, since some groups of girls who spend the highest amount of time on AA and SA are the same that devote low time to MPA and VPA, in a similar vein as a recent SOM analysis focused on girls (Valencia-Peris et al., 2015). Finally, overweight and obese adolescents devote less time to AA, SA, TA, MPA and VPA than normal-weight and underweight adolescents, although there is a small group of overweight and obese boys that spent a considerable time in VPA. These topological links suggest, as many other studies (Boreham, Robson, Gallagher, Cran, Savage & Murray, 2004; Hills, Andersen & Byrne, 2011), that overweight and obesity are negatively associated with PA, although small group of overweight/obese shows a positive relationship with VPA, probably due to an assumed necessity of increase the time spent in VPA to lose weight (Colling et al., 2015).

Chapter 4. CONCLUSIONS, IMPLICATIONS, LIMITATIONS AND FUTURE RESEARCH QUESTIONS

Conclusions, implications, limitations and future research questions

197

4.1. Introduction

The last chapter of this PhD dissertation compiles three sections. First, the main conclusions derived from the research findings and the refusal or not of the hypotheses. Second, the corresponding implications based on the principal effects that these findings and conclusions can exert on the community (physical activity and screen media use polices, school, recreation companies and health-care system). Finally, some identified limitations and possible research lines for further research studies.

4.2. Conclusions

In order to keep the structure of the previous chapter and make easier its understanding, we have also classified the conclusions in four sections, corresponding to the main research questions of each study included in this PhD dissertation:

1. Which health-related or sociodemographic variables are predictors of MVPA and SMU in Spanish adolescents?

2. Does sedentary behavior predict academic performance in adolescents or the other way round?

3. How have SMU and MVPA evolved after a period of three years?

4. How have adolescents’ behaviors changed regarding the relationships between physical activity and sedentary behaviors three years later and how do they affect to weight status?

4.2.1. Study 1: Which health-related or sociodemographic variables are predictors of MVPA and SMU in Spanish adolescents?

- School grade and SES are predictors of MVPA for both boys and girls,

indicating that the older the adolescents the less time they devote to MVPA, while the higher their SES the longer they engage in MVPA.

Chapter 4

198

- TV/video watching also predicts MVPA in boys in a competing sense, thus the more time they watch TV/video the less time they engage in MVPA.

- Girls with higher BMI_sds and boys spending more time on mobile phones are expected to engage longer in MVPA.

- AP was an inverse predictor of SMU for the entire sample.

- MPA was an inverse predictor of SMU, but only for girls.

4.2.2. Study 2: Does sedentary behavior predict academic performance in adolescents or the other way round?

- AP predicts time spent on sedentary behaviors in adolescence.

- There were positive auto-regressive effects on the four variables under study with AP and SA the strongest ones.

- AP leads positively over spending time on AA and negatively predicts SA.

- TA showed a moderating effect by sex and a negative longitudinal association with AA.

4.2.3. Study 3: How have SMU and MVPA evolved after a period of three years?

- This longitudinal study shows the opposite evolution of time spent on MVPA (decrease) and SMU (increase) in a three-year time period.

- Girls show a lower decrease of time spent on MVPA and lower increase on SMU than boys.


199

- The young group of adolescents has a lower decrease in time spent on MVPA and a higher increase on SMU than the old group.

- The change in the time of engagement is clearly higher in the SMU than in MVPA, probably due to the spectacular rise of mobile usage among Spanish adolescents during the last few years.

- The longitudinal time-related variations in SMU and MVPA from Wave I to Wave II suggest a potential displacement between the two behaviors in adolescents. Nevertheless, SEM analyses only suggest a deferred displacement hypothesis between SMU and time spent on MVPA in boys but not girls.

4.2.4. Study 4: How have adolescents’ behaviors changed regarding the relationships between physical activity and sedentary behaviors three years later and how do they affect to weight status?

- An important group of adolescents (22.6 % of total sample) that were classified as overweight or obese in Wave I change to normal weight in Wave II, while none of them change in the opposite direction.

- The behavioral characteristics of those groups of adolescents that change to a lower weight status do not enlighten a clear explanation about their decrease of weight status.

- There are other ways of change to a lower-weight status in adolescents apart from those in which PA and SB are involved.

Chapter 4

200

4.2.5. Contrasting hypotheses

The hypotheses raised for each study have been contrasted with the results of the research as follows:

Study 1

Hypothesis 1. MVPA will be positively predicted by AP, SES and sex and negatively by the BMI, sedentary behaviors and school year.

This hypothesis is partially rejected because SES is a positive predictor of MVPA, while school year predicts MVPA negatively.

BMI and mobile phone are also predictors of MVPA for girls and boys respectively but in the opposite way that they were previously expected.

Hypothesis 2. SMU will be positively predicted by sex, school year and BMI and negatively by MVPA, AP and SES.

Only AP is a negative predictor of SMU for the whole sample, while MVPA is also a negative predictor but only for girls.

Study 2

Hypothesis 3. TA and SA will negatively predict AP while AA will positively predict AP three years later.

This hypothesis is rejected because is AP which positively predict AA and negatively SA.

Hypothesis 4. Girls and boys will behave differently in the time devoted to SB and AP.

Only TA show an auto-regressive effect moderated by sex, being higher in boys than girls. Therefore, the hypothesis is mostly rejected.


201

Study 3

Hypothesis 5. After three years, time devoted to MVPA will decrease while time spent on SMU will increase, while observing differences be sex and SES.

This hypothesis is nearly not rejected because the changes in active and sedentary behaviors evolve as expected, and significant differences are only found by sex and not by SES.

Hypothesis 6. Time devoted to MVPA will be displaced by the time spent on SMU.

This hypothesis is only partially rejected. The results of the mixed ANOVA reveal a potential displacement effect of SMU over MVPA but the SEM analysis indicates that this effect only occurs in boys but not in girls.

Study 4

Hypothesis 7. The increase of time devoted to PA and the decrease of time spent on SB will contribute adolescents change to a lower weight status.

This hypothesis is rejected because, although 22.66% of adolescents change towards a lower weight status, behavioral characteristics of PA and SB do not explain such changes.

4.3. Implications

Several implications emerge from the conclusions of this PhD, stressing the following ones at different contextual levels (general, community, school and family):

- Strategies are require to promote PA among old adolescents and to control the high increment of time spent on SMU in the young ones, as suggested in previous studies (Janssen & Leblanc, 2010; OMS, 2010; Tremblay et al., 2011). It is crucial, in both groups, to bring

Chapter 4

202

them quality leisure activities that let them the opportunity to improve and balance the active and sedentary behaviors.

- It is convenient to know in depth girls’ interests related to PA in order to increase their opportunities of practice.

- To use the increase of time adolescents spend on SMU as an ally to promote PA. The new Smartphone technology allows using APPs related to PA since they link to the technological interests of boys and the social networking interests of girls. There are precedents such as endomondo, runtastic and trotting experience which try to captivate users, in a similar vein as happen with videogames or social networking portals (meetup).

- Local councils could subsidize professional entrepreneurs to develop a local APP in which participants can check and interact with other participants.

- It is essential the concern of parents, local governments or even small recreation companies about the potential symbiotic relationship among technology and physical activity.

- A supportive school community environment for promoting academic success emerges as a salient protective context towards excessive use of sedentary behaviors. Some rationales and strategies, emerging from literature on youth risk and centered on promoting academic performance (Anderson, Christenson, Sinclair & Lehr, 2004; Kam, Greenberg & Walls, 2003; Lassen, Steele & Sailor, 2006), may be of help since students with poor academic performance are the ones with more screen-related sedentary use. Moreover, fostering good academic performance among younger adolescents may have a supporting effect on academic sedentary activities, which are more productive academically.

- To stimulate high schools integrated projects among teachers of subjects such as physical education, social sciences and technology to


203

discover the link possibilities between physical activity and screen devices.

- School subjects could focus on teaching methodologies with screen media use (computers, tablets, mobile phones) as part of their teaching-learning processes in such a way that literate students in a technological responsible and moderate use of screen media beyond the school (as previously happened with the usage of calculators).

- To stimulate high schools integrated projects among teachers of subjects such as physical education, social sciences and technology to discover the link possibilities between physical activity and screen devices.

- It might necessary to study more in depth the changes in adolescents’ BMI, paying especial attention to social but also biological and developmental reasons, as indicated in previous studies (Collings, et al., 2015; Laurson, Eisenmann & Moore, 2008). The results of this PhD show that an important group of adolescents experience decrease in their BMI with different active and sedentary behaviors.

4.4. Limitations and further research questions

Every research contains its own limitations and shortcomings since it is an approach to study reality. However, the fact of making them explicit, besides being a pertinent act of academic humility, shows that this study has been developed in particular personal and social circumstances. Below, the main limitations of the present research are detailed.

The first limitation emerges from the self-reported measures of behavioral and sociodemographic variables: 7D-PAR, ASAQ and FAS II. Due to previous evidences concluding that subjective methods of data collection, such as questionnaires, may overestimate or underestimate specific information reported by teenagers (Atkin, Gorely, Biddle, & Cameron, 2008; McMurray et al., 2004; Shephard, 2003), some concern about the reliability and accuracy of the data arises. However, those

Chapter 4

204

instruments have been previously proven reliable and valid (Currie, Molcho, Boyce, Holstein, Torsheim & Richter, 2008; Hardy, Booth & Okely, 2007; Lubans et al., 2011; Serra-Majem, Ribas-Barba, Aranceta-Bartrina, Pérez-Rodrigo, Saavedra-Santana & Peña-Quintana, 2003; Wallace, McKenzie & Nader, 1985) and have been used in several international studies (Bélanger et al., 2015; Bock et al., 2015; Borraccino et al., 2009; Hardy, Dobbins, Denney-Wilson, Okely & Booth, 2009; Peiró-Velert, Valencia-Peris, González, García-Massó, Serra-Añó & Devís-Devís, 2014; Trang et al., 2013; Valencia-Peris, Devís-Devís, García-Massó, Lizandra, Pérez-Gimeno, & Peiró-Velert, 2015). Furthermore, measurement errors were minimized through employing standardized protocols and guidelines. Nonetheless, the use of a mixed-method strategy of subjective and objective data would be advisable for future studies. In particular, the development of mobile APPs that allow the use of accelerometry in Smartphones would bring a savings in the acquirement of accelerometers and a breakthrough in data collection.

The second limitation of this research is its modest capability to explain some of the studied phenomena. Regressions in study 1 showed several relationships between active and sedentary behaviors, and sociodemographic variables, but only for a less than 10% of the sample. Moreover, SEM models in studies 2 and 3 explain at best the 15% of variance of the predictive ability of the variables under study. Finally, adolescents’ changes towards a lower weight status in study 4 are not explained by longitudinal changes in PA and SB. Some plausible explanation for those limitations might be in the complexity of the triumvirate relationships among PA, SB and weight status. Furthermore, it should be considered the potential effect of several variables that were not regarded in this research such as sleep time, school ethos, peers acceptance or rejection, motivation toward physical activity or caloric intake. Similar difficulties emerge when we refer to the prediction of SB by AP since many other variables may affect adolescents’ SB. Therefore, it is important for further research to test more complex theoretical models in order to improve the capability of explaining social phenomena such as inactive or sedentary behaviors.

The third limitation derives from the longitudinal design considered for this research. Although the two waves are suitable to study longitudinal changes because they overcome causal inference problems of cross-sectional


205

studies (Marshall, Biddle, Sallis, McKenzie & Conway, 2002), more waves would help to explain longitudinal changes on a long term basis.

The last limitation is related to assumptions about leisure time of different age-group of adolescents. It was supposed that adolescents in ages among 14-16 years old have the same leisure time than adolescents among 17-19 years old. Although the amount of time is similar, older adolescents increase their school obligations and family and part-time jobs responsibilities than the younger ones. Therefore, future research should rethink the type of questions to include in questionnaires and even change the research focus to complement this information with qualitative data from open interviews.

REFERENCIAS BIBLIOGRÁFICAS

Referencias bibliográficas

209

Adams, J. y Kirkby, RJ. (2003). El exceso de ejercicio como adicción: una revisión. Revista de Toxicomanías, 34, 10–22.

Adams, J. (2006). Trends in physical activity and inactivity amongst US 14–18 year olds by gender, school grade and race, 1993–2003: evidence from the youth risk behavior survey. BMC Public Health, 6, 57.

Ahluwalia, N., Dalmasso, P., Rasmussen, M., Lipsky, L., Currie, C., Haug, E., … Cavallo, F. (2015). Trends in overweight prevalence among 11-, 13- and 15-year-olds in 25 countries in Europe, Canada and USA from 2002 to 2010. European Journal of Public Health, 25(2), 28–32.

Aires, L., Mendonça, D., Silva, G., Gaya, A.R., Santos, M.P., Ribeiro, J.C. & Mota, J. (2010). A 3-Year Longitudinal Analysis of Changes in Body Mass Index. International Journal of Sports Medicine, 31, 133–137.

Akaike, H. (1987). Factor analysis and AIC. Psychometrika, 52, 317–32.

Albertsson, W.K., Luo, Z.C. & Niklasson, A. (2002). Swedish population-based longitudinal reference values from birth to 18 years of age for height, weight and head circumference. Acta Paediatrica, 91, 739–54.

Almond, L. & McGeorge, S. (1997). Young people and physical activity. A literature review. London: Health Education Authority.

Altschul, I., Oyserman, D. & Bybee, D. (2006). Racial-Ethnic Identity in Mid-Adolescence: Content and Change as Predictors of Academic Achievement. Child Development, 77(5), 1155–1169.

American Academy of Child and Adolescent Psychiatry (AACAP). (2008). Retrieved on February 2nd, 2014, from: http://www.aacap.org/publications/factsfam/develop.htm.

American Academy of Pediatrics (AAP). (2001). Children, Adolescents and Television. Pediatrics, 107, 423–426.

American College of Sports Medicine (1978). Position Statement of the recommended quality and quantity of exercise for developing and maintaining fitness in healthy adults. Medicine and Science in Sports & Exercise, 10(3), 7–10.


210

American College of Sports Medicine, Franklin, B.A., Whaley, M.H. & Howley, E.T. (2000). ACSM’s guidelines for exercise testing and exercise prescription. 6th ed. Philadelphia: Lippincott Williams & Wilkins.

American College of Sports Medicine. (2010). ACSM’s Guidelines for Exercise Testing and Prescription. 8th ed. Philadelphia: Lippincott Williams & Wilkins.

Anderson, A.R., Christenson, S.L., Sinclair, M.F. & Lehr, C.A. (2004). Check & Connect: The importance of relationships for promoting engagement with school. Journal of School Psychology, 42, 95–113.

Archer T. (2014). Health Benefits of Physical Exercise for Children and Adolescents. Journal of Novel Physiotherapies, 4, 203.

Arnau-Gras, J. (2007). Estudios longitudinales de medidas repetidas. Modelos de diseño y de análisis. Avances en Medición, 5, 9–26.

Armstrong, N., & Welsman, J.R. (2006). The Physical Activity Patterns of European Youth with Reference to Methods of Assessment. Sports Medicine, 36(12), 1067–1086.

Atkin, A.J., Gorely, T., Biddle, S.J.H., & Cameron, N. (2008). Critical hours: physical activity and sedentary behavior of adolescents after school. Pediatric Exercise Science, 20, 446–456.

Atkin, A.J., Sharp, S.J., Corder, K. & van Sluijs, E.M.F. (2014). Prevalence and Correlates of Screen Time in Youth. An International Perspective. American Journal of Preventive Medicine, 47(6), 803–807.

Basterfield, L., Adamson, A.J., Frary, J.K., Parkinson, K.N., Pearce, M.S. & Reilly, J.J. (2010). Longitudinal Study of Physical Activity and Sedentary Behavior in Children. Pediatrics, 121(1), e24–e30.

Bastos, J.P., Araujo, C.L.P. & Hallal, P.C. (2008). Prevalence of insufficient physical activity and associated factors in Brazilian adolescents. Journal of Physical Activity and Health, 5, 777–794.

Batista, J.M. y Coenders, G. (2000). Modelos de ecuaciones estructurales. Cuadernos de estadística, 6. Madrid: La Muralla.


211

Bélanger, M., Sabiston, K.M., Barnett, T.A., O’Loughlin, E., Ward, S., Contreras G. & O’Loughlin, J. (2015). Number of years of participation in some, but not all, types of physical activity during adolescence predicts level of physical activity in adulthood: Results from a 13-year study. International Journal of Behavioral Nutrition and Physical Activity, 12, 76.

Beltrán-Carrillo, V.J. (2009). Patrones de actividad física de los adolescentes de la Comunidad Valenciana y factores que influyen en su participación. Tesis doctoral. Universidad de Valencia.

Beltrán-Carrillo, V.J.; Devís-Devís, J. y Peiró-Velert, C. (2012). Actividad física y sedentarismo en adolescentes de la Comunidad Valenciana. Revista Internacional de Medicina y Ciencias de la Actividad Física y el Deporte, 12(45), 122–137.

Beltrán-Carrillo, V.J.; Devís-Devís, J. y Peiró-Velert, C. & Brown, D. (2012). When physical activity promotes inactivity: Negative experiences of Spanish adolescents in physical education and sport. Youth and Society, 44(1), 3–27.

Beltrán-Carrillo, V.J., Beltrán-Carrillo, J.I., González-Cutre, D., Biddle, S.J.H. & Montero-Carretero, C. (2015). Are Active Video Games Associated With Less Screen Media or Conventional Physical Activity? Games and Culture, 5, 1-17.

Bennett, S., Maton, K. & Kervin, L. The ‘digital natives’ debate: A critical review of the evidence. (2008). British Journal of Educational Technology, 39(5), 775–86.

Benítez, M., Giménez, M. y Osicka, R. (2000). Las asignaturas pendientes y el rendimiento académico: ¿existe alguna relación? Consultado el 15 de agosto, 2015, en: http://www1.unne.edu.ar/cyt/humanidades/h-009.pdf.

Bercedo, A., Redondo, C., Pelayo, R., Gómez, Z., Hernández, M. y Cadenas, N. (2005). Consumo de los medios de comunicación en la adolescencia. Anales de Pediatría, 63(6), 516–525.

Biddle, S.J.H., Gorely, T., Marshall, S.J. & Cameron, N. (2009). The prevalence of sedentary behavior and physical activity in leisure time:


212

A study of Scottish adolescents using ecological momentary assessment. Preventive Medicine, 48, 151–155.

Biddle, S.J.H., Mitchell, J. & Armstrong, N. (1991). The assessment of physical activity in children: a comparison of continuous heart rate monitoring, self-report and interview techniques. British Journal of Physical Education Research Supplement, 10, 4–8.

Biddle, S.J.H., Marshall, S.J. & Gorely, T. (2009). Temporal and Environmental Patterns of Sedentary and Active Behaviors during Adolescents’ Leisure Time. International Journal of Behavioral Medicine, 16, 278–86.

Biddle, S.J.H., Pearson, N., Ross, G.M. & Braithwaite, R. (2010). Tracking of sedentary behaviors of young people: A systematic review. Preventive Medicine, 51, 345–351.

Biddle, S., Sallis, J. & Cavill, N. (1998). Young and Active? Young People and Health-enhancing Physical Activity: Evidence and Implications. London: Health Education Authority.

Bickham, D.S., Blood, E.A., Walls, C.E., Shrier, L.A. & Rich, M. (2013). Characteristics of Screen Media Use Associated With Higher BMI in Young Adolescents. Pediatrics, 131, 935–941.

Bisquerra, R. (1989). Introducción conceptual al análisis multivariable. Vol. II, Barcelona: PPU.

Blair, S.N., Haskell, W.L., Ho, P., Paffenbarger, R.S., Vranizan, K.M., Farquhar, J. W. & Wood, P.D. (1985). Assessment of habitual physical activity by seven-day recall in a community survey and controlled experiments. American Journal of Epidemiology, 122, 794–

804.

Blair, S.N., Kohl, H.W., Gordon, N.F. & Paffenbarger, R.S. (1992). How much physical activity is for health? Annual Review of Public Health, 13, 99–126.

Blasco, M.P., García-Merita, M.L. y Balaguer, I. (1993). Trastornos alimentarios en la actividad física y el deporte: Una revisión. Revista de Psicología del Deporte, 3, 41–53.


213

Bock, B.C., Thind, H., Dunsiger, S.I., Serber, E.R., Ciccolo, J.T., Cobb, V., … Marcus, B.H. (2015). Exercise videogames for physical activity and fitness: Design and rationale of the Wii Heart Fitness trial. Contemporary Clinical Trials, 42, 204–212.

Booth, M.L., Okely, A.D., Chey, T. & Bauman, A. (2002). The reliability and validity of the Adolescent Physical Activity Recall Questionnaire. Medicine & Science in Sports & Exercise, 34(12), 1986–1995.

Boreham, C. & Riddoch, C. (2001). The physical activity, fitness and health of children. Journal of Sports Sciences, 19, 915–929.

Boreham, C., Robson, P.J., Gallagher, A.M., Cran, G.W., Savage, J.M. & Murray, L.J. (2004). Tracking of physical activity, fitness, body composition and diet from adolescence to young adulthood: The Young Hearts Project, Northern Ireland. International Journal of Behavioral Nutrition and Physical Activity, 1, 14.

Borer, K.T. (2005). Physical activity in the prevention and amelioration of osteoporosis in women: interaction of mechanical, hormonal and dietary factors. Sports Medicine, 35(9), 779–830.

Borraccino, A., Lemma, P., Iannotti, R.J., Zambon, A., Dalmasso, P., Lazzeri, G. & Cavallo, F. (2009). Socioeconomic Effects on Meeting Physical Activity Guidelines: Comparisons among 32 Countries. Medicine & Science in Sports & Exercise, 41(4), 749–756.

Bottaro, F.J. (2014). Types of research study designs. Strenghts and weakness. Hematología, 18(1), 74–83.

Bouchard, C., Shephard, R.J., Stephens, T., Sutton, J.R. & McPherson, B.D. (1990). Exercise, Fitness, and Health: A Consensus of Current Knowledge. In C. Bouchard, R. J. Shephard, T. Stevens, J. R. Sutton, & B. D. McPherson (Eds.). Exercise, fitness and health: a consensus of current knowledge, (p. 3–28). Champaign: Human Kinetics.

Braithwaite, I., Stewart, A.W., Hancox, R.J., Beasley, R., Murphy, R. & Mitchel, E.A. (2013). The Worldwide Association between Television Viewing and Obesity in Children and Adolescents: Cross Sectional Study. PLoS One, 8(9), e74263.


214

Brodersen, N.H., Steptoe, A., Boniface, D.R. & Wardle, J. (2007). Trends in physical activity and sedentary behavior in adolescence: ethnic and socioeconomic differences. British Journal of Sports Medicine, 41, 140–144.

Bryan, A.L., Schulenberg, J.E., O’Malley, P.M., Bachman, J.G. & Johnston, L.D. (2003). How Academic Achievement, Attitudes, and Behaviors Relate to the Course of Substance Use During Adolescence: A 6-Year, Multiwave National Longitudinal Study. Journal of Research on Adolescence, 13(3), 361–397.

Bucksch, J., Inchley, J., Hamrik, Z., Finne, E. & Kolip, Z. (2014). HBSC Study Group Germany. Trends in television time, non-gaming PC use and moderate-to-vigorous physical activity among German adolescents 2002–2010. BMC Public Health, 14, 351.

Butcher, K., Sallis, J.F., Mayer, J.A. & Woodruff, S. (2008). Correlates of Physical Activity Guideline Compliance for Adolescents in 100 U.S. Cities. Journal of Adolescent Health, 42, 360–368.

Caballo, M.B., Caride, J.A. y Gradaílle, R. (2012). Between the school times and the times of leisure: its incidence in the daily life of the teenagers who attend the Secondary Obligatory Education in Spain. Educar em Revista, 45, 37–55.

Calcaterra, V., Klersy, C., Muratori, T., Telli, S., Caramagna, C., Scaglia, F., … Larizza, D. (2008). Prevalence of metabolic syndrome in children and adolescents with varying degrees of obesity. Clinical Endocrinology, 68, 868–872.

Cale, L. & Harris, J. (2004) (Eds.). Exercise and Young People. Issues, Implications and Initiatives. Basingstoke: Palgrave Macmillan.

Calfas, K. & Taylor, W. (1994). Effects of physical activity on psychological variables in adolescents. Pediatric Exercise Science, 6, 406–423.

Calvo, S. (1992). Educación para la salud en la escuela. Madrid: Díaz Santos.

Canadian Society for Exercise Physiology. (2011). Canadian Sedentary Behavior Guidelines for Youth – 12-17 years. Retrieved on September


215

22nd, 2014, from: http://www.csep.ca/CMFiles/Guidelines/CSEP_SBGuidelines_youth_en.pdf.

Cano, A., Pérez, I., Casares, I. y Alberola, S (2011). Determinantes del nivel de actividad física en escolares y adolescentes: estudio OPACA. Anales de Pediatría, 74(1), 15–24.

Cantera, M.A. (1997). Niveles de actividad física en la adolescencia. Estudio realizado a la población escolar de la provincia de Teruel. Tesis doctoral. Universidad de Valencia.

Cantera, M.A. y Devís, J. (2000). Physical activity levels of secondary school Spanish adolescents. European Journal of Physical Education, 5, 28–44.

Cantera, M.A. y Devís, J. (2002). La promoción de la actividad física relacionada con la salud en el ámbito escolar. Implicaciones y propuestas a partir de un estudio realizado entre adolescentes. Apunts Educación Física y Deportes, 67, 54–62.

Carrascosa, A., Fernández, J.M., Fernández, C, Ferrández, A., López-Siguero, J.P., Sánchez, … Yeste, D. (2008). Estudios españoles de crecimiento 2008. Nuevos patrones antropométricos. Endocrinología y Nutrición, 55(10), 484–506.

Carrascosa, A., Fernández, J.M., Ferrández, A., López-Siguero, J.P., López, D. y Sánchez, E. (2010). Estudios españoles de crecimiento. Revista Española Endocrinología Pediátrica, 2 (Suppl).

Cascón, I. (2000). Análisis de las calificaciones escolares como criterio de rendimiento académico. Consultado el 27 de noviembre, 2015, en: http://www3.usal.es./inico/investigacion/jornadas/jornada2/comunc/cl7.html.

Caspersen, C.J., Powell, K.E. & Christenson, G.M. (1985). Physical activity, exercise, and physical fitness: definitions and distinctions for health-related research. Public Health Reports, 100, 126–131.

Coakley, J. (1990). Sport in society. Issues and controversies. Boston: Times Mirror/Mosby College Publishing.


216

Cohen, J. (1988). Statistical power for the behavioral sciences, 2nd Edition. Hillsdale: NJ, Lawrence Erlbaum.

Cole, T., Bellizzi, M., Flegal, K., et al. (2000) Establishing a standard definition for child overweight and obesity worldwide: international survey. BMJ, 320(7244), 1240.

Cole TJ, Flegal KM, Nicholls D, et al. (2007). Body mass index cut offs to define thinness in children and adolescents: international survey. BMJ, 335(7612), 194.

Coleman, J.C y Hendry, L.B. (1994). Psicología de la adolescencia. Madrid: Morata.

Collings, P.J., Wijndaele, K., Corder, K., Westgate, K., Ridgway, C.L., Sharp, S.J. … Ekelund, U. (2015). Objectively measured physical activity and longitudinal changes in adolescent body fatness: an observational cohort study. Pediatric Obesity, 11(2), 107–114.

Contreras, F., Espinosa, J., Esguerra, Gustavo, Haikal, A. y Rodríguez, A. (2005). Autoeficacia, ansiedad y rendimiento académico en adolescentes. Perspectiva en Psicología, 1(2), 183–194.

Corbin, C.B., Pangrazi, R.P. & Welk, G.J. (1994). Toward an understanding of appropriate physical activity levels for youth. Physical Activity and Fitness Research Digest, 1(8), 1–8.

Corder, K., Ekelund, U., Steele, R.M., Wareham, N.J. & Brage, S. (2008). Assessment of physical activity in youth. Journal of Applied Physiology, 105, 977–987.

Cugnetto, M.L., Saab, P.G., Llabre, M.M., Goldberg, R., McCalla, J.R. & Schneiderman, N. (2008). Lifestyle Factors, Body Mass Index and Lipid Profile in Adolescents. Journal of Pediatric Psychology, 33(7),761–771.

Currie, C., Elton, R.A., Todd, J. & Platt, S. (1997). Indicators of socioeconomic status for adolescents: the WHO Health Behavior in School-aged Children survey. Health Education Research, 12(3), 385–397.


217

Currie, C., Molcho, M., Boyce, W., Holstein, B., Torsheim, T. & Richter, M. (2008). Researching health inequalities in adolescents: the development of the Health Behavior in School Aged Children (HBSC) Family Affluence Scale. Social Science & Medicine, 66, 1429–1436.

Currie, C., Roberts, C., Morgan, A., Smith, R., Settertobulte, W., Samdal, O. & Rasmussen, V.B. (eds.) (2004). Young People’s Health in Context. Health Behaviors in School-aged Children (HBSC) study: international report from the 2001/2002 survey. Health Policy for Children and Adolescents, 4. Copenhagen: WHO Regional Office for Europe.

Daniels, S.R., Arnett, D.K., Eckel, R.H., Gidding, S.S., Hayman, L.L., Kumanyika, S., … Williams, C.L. (2005). Overweight in Children and Adolescents Pathophysiology, Consequences, Prevention, and Treatment. Circulation, 111, 1999–2012.

Davison, K.K. & Birch, L.L. (2001). Childhood overweight: a contextual model and recommendations for future research. Obesity Reviews, 2, 159–171.

Davis, C.S. (1998). The analysis of longitudinal studies having non-normal responses. En B.S. Everitt & G. Dunn (Eds.), Statistical analysis of medical data. New developments. London: Arnold.

Delgado, M. y Tercedor, P. (2002). Estrategias de intervención en educación para la salud desde la educación física. Barcelona: Inde.

Denny, Christen, P. & Williams, J.G. (2012). Analysis of Cluster Migrations Using Self-Organizing Maps. In Cao, L., Zhexue-Huang, J., Bailey, J. & Koh, Y.S. New Frontiers in Applied Data Mining. Berlin: Springer.

Department of Health, Physical Activity, Health Improvement and Protection, United Kingdom. (2011). Start Active: A report on physical activity from the four home countries. Chief Medical officers. Retrieved on September 22nd, 2014, from: https://www.gov.uk/government/uploads/system/uploads/attachment_data/file/216370/dh_128210.pdf.

Devís-Devís, J. (coord) (2000). Actividad física, deporte y salud. Barcelona: Inde.


218

Devís-Devís, J. (coord) (2001). La educación física, el deporte y la salud en el siglo XXI. Colección Educación Física y Deporte. Alcoi: Marfil.

Devís-Devís, J., Beltrán-Carrillo, V.J. & Peiró-Velert, C. (2015). Exploring socio-ecological factors influencing active and inactive Spanish students in years 12 and 13. Sport, Education and Society, 20(3), 361–380.

Devís-Devís, J., Peiró-Velert, C., Beltrán-Carrillo, V.J. & Tomás, J.M. (2009). Screen media time usage of 12-16 year-old Spanish school adolescents: Effects of personal and socioeconomic factors, season and type of day. Journal of Adolescence, 32, 213–231.

Devís-Devís, J., Peiró-Velert, C., Beltrán-Carrillo, V.J. & Tomás, J.M. (2012). Brief report: Association between socio-demographic factors, screen media usage and physical activity by type of day in Spanish adolescents. Journal of Adolescence, 35, 213–218.

Dewar, D.L., Morgan, P.J., Plotnikoff, R.C., Okely, A.D., Collins, C.E., Batterham, M., ... Lubans, D.R. (2013). The nutrition and enjoyable activity for teen girls study: A cluster randomized controlled trial. American Journal of Preventive Medicine, 45(3), 313–317.

Díaz, F., Prados, M. y López, S. (2002). Relación entre rendimiento académico, síntomas depresivos, edad y género en una población de adolescentes. Consultado el 12 de agosto, 2015, en: http://www.psiquiatria.com/bibliopsiquis/handle/10401/1249

Dishman, R.K., Hales, D.P., Pfeiffer K.A., Felton, G.A., Saunders, R., Ward, D.S., … Pate, R.R. (2006). Physical self-concept and self-esteem mediate cross-sectional relations of physical activity and sport participation with depression symptoms among adolescent girls. Health Psychology, 25(3), 396–407.

Drummond, A., Sauer, J.D. (2014). Video-games do not negatively impact adolescent academic performance in science, mathematics or reading. PLoS One, 9(4), e87943.

Dumazedier, J. (1964). Hacia una civilización del ocio. Barcelona: Estela.


219

Dumith, S.C., Gigante, D.P., Domingues, M.R. & Kohl, H.W.III. (2011) Physical activity change during adolescence: a systematic review and a pooled analysis. International Journal of Epidemiology, 40, 685–698.

Dumith, S.C., Gigante, D.P., Domingues, M.R., Hallal. P.C., Menezes AM, & Kohl, H.W.III. (2012). A longitudinal evaluation of physical activity in Brazilian adolescents: tracking, change and predictors. Pediatric Exercise Science, 24, 58–71.

Dumith, S.C., Totaro-Garcia, L.M., da Silva, K.S., Baptista, A.M. & Hallal, P.C. (2012). Predictors and health consequences of screen-time change during adolescence—1993 Pelotas (Brazil) birth cohort study. Journal of Adolescent Health, 51, S16–S21.

Dye, M.W.G., Green, C.S. & Bavelier, D. (2009). The development of attention skills in action video game players. Neuropsychologia, 47, 1780–1789.

Edel-Navarro, R. (2003). El rendimiento académico: concepto, investigación y desarrollo. Revista Electrónica Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 1(2). Consultado el 24 de noviembre, 2015, en: http://www.ice.deusto.es/rinace/reice/vol1no2/Edel.pdf.

Eide, E.R., Showalter, M.H. & Goldhaber, D.D. (2010). The relation between children's health and academic achievement. Children and Youth Services Review, 32, 231–238.

Ekelund, U., Tomkinson, G.R. & Armstrong, N. (2011). What proportion of youth are physically active? Measurement issues, levels and recent time trends. British Journal of Sports Medicine, 45, 859–865.

Elgar, F.J., Robert, C., Moore, L. & Tudor-Smith, C. (2005). Sedentary behavior, physical activity and weight problems in adolescents in Wales. Public Health, 119, 518–524.

Esteban-Cornejo, I., Martínez-Gómez, D., Sallis, J.F., Cabanas-Sánchez, V., Fernández-Santos. J., Castro-Piñero, J. & Veiga, O.L. (2015). Objectively measured and self-reported leisure-time sedentary


220

behavior and academic performance in youth: The UP&DOWN Study. Preventive Medicine, 77, 106–111.

Fanning, J., Mullen, S.P. & McAuley, E. (2012). Increasing physical activity with mobile devices: a meta-analysis. Journal of Medical Internet Research, 14(6), e161.

Ferragut, M. y Fierro, A. (2012). Inteligencia emocional, bienestar personal y rendimiento académico en preadolescentes. Revista Latinoamericana de Psicología, 44(3), 95–104.

Ferrández, A., Baguer, L., Labarta, J.L., Labena, C., Mayayo E, Puga B, et al. (2005). Estudio longitudinal de niños españoles normales desde el nacimiento hasta la edad adulta. Datos antropométricos, puberales, radiológicos e intelectuales. Zaragoza: Fundación Andrea Prader.

Field, A. (2013). Discovering Statistics using SPSS. (4th edition). London: SAGE.

Fitzmaurice, G.M. (1998). Regression models for discrete longitudinal data. En B.S. Everitt & G. Dunn (Eds.). Statistical analysis of medical data. New developments. (Chapter 8). London: Arnold.

Flaig, G. & Stadler, M. (1994). Success breeds success. The dynamics of the innovation process. Empirical Economics, 19, 55–68.

Foley, L.S., Maddison, R., Jiang, Y., Olds, T. & Ridley, K. (2011). It’s not just the television: survey analysis of sedentary behavior in New Zealand young people. International Journal of Behavioral Nutrition and Physical Activity, 8, 132.

Franco-Crespo, A.A. (2013). El uso de la tecnología: determinación del tiempo que los jóvenes de entre 12 y 18 años dedican a los equipos tecnológicos. Revista iberoamericana de educación a distancia, 16(2), 107–125.

Freedman, D.S., Mei, Z., Srinivasan, S.R., Berenson, G.S. & Dietz, W.H. (2007). Cardiovascular risk factors and excess adiposity among overweight children and adolescents: the Bogalusa Heart Study. The Journal of Pediatrics, 150(1), 12–17.


221

García, C. (2005). Habilidades sociales, clima familiar y rendimiento académico en estudiantes universitarios. Liberabit, 11, 63–74.

García-Continente, X., Pérez-Giménez, A., Espelt, A. & Nebot, M. (2013). Factors associated with media use among adolescents: a multilevel approach. European Journal of Public Health, 8, 1–6.

Gázquez, J.J., Pérez, M.C., Ruíz, M.I., Miras, F., Vicente, F. (2006). Estrategias de aprendizaje en estudiantes de Enseñanza Secundaria Obligatoria y su relación con la autoestima. International Journal of Psychology and Psychological Therapy, 1, 51-62.

Gebremariam, M.K., Totland, T.H., Andersen, L.F., Bergh, I.H., Bjelland, M., Grydeland, M., … Lien, N. (2012). Stability and change in screen-based sedentary behaviors and associated factors among Norwegian children in the transition between childhood and adolescence. BMC Public Health, 12, 1–9.

Gentile, D. A., Choo, H., Liau, A., Sim, T., Li, D. D., Fung, D., & Khoo, A. (2011). Pathological video game use among youths: A two-year longitudinal study. Pediatrics, 127, 319–329.

Gervilla, A. y Quero, J.M. (1988). La adolescencia, una edad difícil. Málaga: Innovare.

Giraldo, A., Toro, M.Y., Macías, A.M., Valencia, C.A. y Palacio, S. (2010). La promoción de la salud como estrategia para el fomento de estilos de vida saludables. Hacia la Promoción de la Salud, 15(1), 128–143.

Goldfield, G.S., Saunders, T.J., Kenny, G.P., Hadjiyannakis, S., Phillips, P., Alberga, A.S., … Sigal, R.J. (2013). Screen Viewing and Diabetes Risk Factors in Overweight and Obese Adolescents. American Journal of Preventive Medicine, 44(4S4), S364 –S370.

González, L.M., Peiró-Velert, C,. Devís-Devís, J., Valencia-Peris, A., Pérez-Gimeno, E., Pérez-Alenda, S. & Querol, F. (2011). Comparison of physical activity and sedentary behaviors between young haemophilia A patients and healthy adolescents. Haemophilia, 17(4), 676–682.


222

Gordon-Larsen, P., Nelson, M.C. & Popkin, B.M. (2004). Longitudinal physical activity and sedentary behavior trends: adolescence to adulthood. American Journal of Preventive Medicine, 27, 277–283.

Granich, J., Rosenberg, M., Knuiman, M.W. & Timperio, A. (2011). Individual, Social, and Physical Environment Factors Associated With Electronic Media Use Among Children: Sedentary Behavior at Home. Journal of Physical Activity and Health, 8, 613–625.

Gross, L.D., Sallis, J.F., Buono, M.J., Roby, J.J. & Nelson, J.A. (1990). Reliability of interviewers using the seven-day physical activity recall. Research Quarterly for Exercise and Sport, 61, 321–325.

Guimarães, R.F., Silva, M.P., Legnani, E., Mazzardo, O. & Campos, W. (2013) Reproducibility of adolescent sedentary activity questionnaire (ASAQ) in Brazilian adolescents. Revista Brasileira de Cineantropometria & Desempenho Humano, 15(3), 276–285.

Guirao-Goris, J.A., Cabrero-García, J., Moreno, J.P. y Muñoz-Mendoza, C.L. (2009). Revisión estructurada de los cuestionarios y escalas que miden la actividad física en los adultos mayores y ancianos. Gaceta Sanitaria, 23(4), 334.e51–334.e67.

Guthold, R., Cowan, M.J., Autenrieth, C.S., Kann, L. & Riley, L.M. (2010). Physical Activity and Sedentary Behavior among achoolchildren: A 34-country comparison. The Journal of Pediatrics, 157, 43–49.

Hancox, R.J., Milne, B.J. & Poulton, R. (2005). Association of television viewing during childhood with poor educational achievement. Archives of Pediatrics and Adolescent Medicine, 159, 614–618.

Hallal, P.C., Andersen, L.B., Bull, F.C., Guthold, R., Haskell, W. & Ekelund, U. (2012). Global physical activity levels: surveillance progress, pitfalls, and prospects. Lancet, 380, 247–257.

Hardy, L.L., Bass, S.L. & Booth, M.L. (2007). Changes in sedentary behavior among adolescent girls: a 2.5-year prospective cohort study. Journal of Adolescent Health, 40, 158–165.


223

Hardy, L.L., Booth, M.L. & Okely, A.D. (2007). The reliability of the Adolescent Sedentary Activity Questionnaire (ASAQ). Preventive Medicine, 45, 71–74.

Hardy, L.L., Denney-Wilson, E., Thrift, A.P., Okely, A.D. & Baur, L.A. (2010). Screen Time and Metabolic Risk Factors Among Adolescents. Archives of Pediatrics and Adolescent Medicine, 164(7), 643–649.

Hardy, L.L., Dobbins, T., Booth, M.L. & Okely, A.D. (2006). Sedentary behaviors among Australian adolescents. Australian and New Zealand Journal of Public Health, 30, 534–540.

Hardy, L.L., Dobbins, T.A., Denney-Wilson, E., Okely, A.D. & Booth, M.L. (2009). Sedentariness, Small-Screen Recreation, and Fitness in Youth. American Journal of Preventive Medicine, 36(2), 120–125.

Hargittai, E. (2010). Digital Natives? Variation in Internet Skills and Uses among Members of the ‘‘Net Generation’’. Sociological Inquiry, 80(1), 92–113.

Harris, J. & Cale, L. (1997). Activity Promotion in Physical Education. European Physical Education Review, 3(1), 58–67.

Haskell, W.L., Lee, I., Pate, R.R., Powell, K.E., Blair, S.N., Franklin, B.A., … Bauman, A. (2007). Physical activity and public health: Updated recommendation for adults from the American College of Sports Medicine and the American Heart Association. Medicine & Science in Sport & Exercise, 39, 1423–1434.

Henry, K.L., Smith, E.A. & Caldwell, L.L. (2007). Deterioration of academic achievement and marijuana use onset among rural adolescents. Health Education Research, 22(3), 372–84.

Hernández, R., Fernández-Collado, C. y Baptista, P. (2000). Metodología de la Investigación (IV edición). México: McGraw-Hill.

Hills, A.P., Andersen, L.B. & Byrne, N.M. (2011). Physical activity and obesity in children. British Journal of Sports Medicine, 45, 866–870.

Honkonen T, Ahola K, Pertovaara M, Isometä E, Kalimo R, Nykyri E, ... Lönnqvist, J. (2006). The association between burnout and physical


224

illness in the general population-results from the Finnish Health 2000 Study. Journal of Psychosomatic Research, 61, 59–66.

Hopkins, N.D., Stratton, G., Tinken, T.M., Mcwhannell, N., Ridgers, N.D., Graves, L.E.F., … Green, D.J. (2009). Relationships between measures of fitness, physical activity, body composition and vascular function in children. Atherosclerosis, 204, 244–249.

Hu, L.T. & Bentler, P.M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: conventional criteria versus new alternatives. Structural Equation Modeling, 6, 1–55.

Iannotti, R.J., Janssen, I., Haug, E., Kololo, H., Annaheim, B. & Borraccino, A. (2009). Interrelationships of adolescent physical activity, screen-based sedentary behavior, and social and psychological health. International Journal of Public Health, 54 S191–S198.

Inglés, C.J., Benavides, G., Redondo, J., García-Fernández, J.M., Ruiz-Esteban, C., Estévez, C. y Huéscar, E. (2009). Conducta prosocial y rendimiento académico en estudiantes españoles de Educación Secundaria Obligatoria. Anales de Psicología, 25(1), 93–101.

Inchley, J.C., Currie, D.B., Todd, J.M., Akhtar, P.C. & Currie, C.E. (2005). Persistent socio-demographic differences in physical activity among Scottish schoolchildren 1990–2002. European Journal of Public Health, 15(4), 386–388.

Jaakkolaa, T., Hillmanb, C., Kalajaa, S. & Liukkonen, J. (2015). The associations among fundamental movement skills, self-reported physical activity and academic performance during junior high school in Finland. Journal of Sports Sciences, 33(16), 1719–1729.

Janssen, I., Katzmarzyk, P.T., Boyce, W.F., Vereecken, C., Mulvihill, C., Roberts, C., … Pickett, W. (2005). Comparison of overweight and obesity prevalence in school-aged youth from 34 countries and their relationships with physical activity and dietary patterns. Obesity reviews, 6, 123–132.

Janssen, I. & LeBlanc, A.G. (2010). Systematic review of the health benefits of physical activity and fitness in school-aged children and youth.


225

International Journal of Behavioral Nutrition and Physical Activity, 7, 40.

Jackson, L.A., Von Eye, A., Witt, A.E., Zhao, Y. & Fitzgerald, H.E. (2011). A longitudinal study of the effects of Internet use and videogame playing on academic performance and the roles of gender, race and income in these relationships. Computers in Human Behavior, 27, 228–239.

Jiménez, M. (2000). Competencia social: intervención preventiva en la escuela. Infancia y Sociedad, 24, 21–48.

Johnson, J.G., Cohen, P., Kasen, S. & Brook, J.S. (2007). Extensive television viewing and the development of attention and learning difficulties during adolescence. Archives of Pediatrics and Adolescent Medicine, 161, 480–486.

Jones, R.A., Okely, A.D., Caputi, P. & Cliff, D.P. (2010). Perceived and actual competence among overweight and non-overweight children. Journal of Science and Medicine in Sport, 13, 589–596.

Kalman, M., Inchley, J., Sigmundova, D., Iannotti, R.J., Tynjälä, J.A., Hamrik, Z., … Bucksch, J. (2015). Secular trends in moderate-to-vigorous physical activity in 32 countries from 2002 to 2010: a cross-national perspective. European Journal of Public Health, 25(2), 37–40.

Kam, C.M., Greenberg, M.T. & Walls, C.T. (2003). Examining the role of implementation quality in school-based prevention using the PATHS curriculum. Prevention Science, 4, 55–63.

Kelly, A.S., Barlow, S.E., Rao, G., Inge, T.H., Hayman, L.L., Steinberger, J., … Daniels, S.R. (2013). Severe obesity in children and adolescents: identification, associated health risks, and treatment approaches. A scientific statement from the American Heart Association. Circulation, 128, 1689–1712.

Kjønniksen, L., Torsheim, T., Wold, B. (2008). Tracking of leisure-time physical activity during adolescence and young adulthood: a 10-year longitudinal study. International Journal of Behavioral Nutrition and Physical Activity, 5, 69.


226

Koezuka, N., Koo, M., Allison KR, Adlaf, E.M., Dwyer, J.J.M., Faulkner, G. & Goodman, J. (2006). The Relationship between Sedentary Activities and Physical Inactivity among Adolescents: Results from the Canadian Community Health Survey. Journal of Adolescent Health, 39(4), 515–522.

Kohonen, T. (2001). Self-Organizing Maps (3rd edition). Heidelberg: Springer.

Koivusilta, L., Lintonen, T. & Rimpelä, A. (2005). Intensity of mobile phone use and health compromising behaviors - How is information and communication technology connected to health-related lifestyle in adolescence? Journal of Adolescence, 28, 35–47.

Kovacs, F.M., Del Real, M.T.G., Gestoso, M., López, J., Mufraggi, N. y Palou, P. (2008). Relación entre hábitos de vida y calificaciones escolares en adolescentes. Apunts Medicina de l’Esport, 43(160), 181–8.

Kristjánsson, A.L., Sigfúsdóttir, I.D., Allegrante, J.P. & Helgason, A.R. (2009). Adolescent Health Behavior, Contentment in School, and Academic Achievement. American Journal of Health Behavior, 33(1), 69–79.

Lassen, S.R, Steele, M.M. & Sailor, W. (2006). The relationship of school-wide positive behavior support to academic achievement in an urban middle school. Psychology in the Schools, 43, 701–712.

Laurson, K., Eisenmann, J.C. & Moore, S. (2008). Lack of association between television viewing, soft drinks, physical activity and body mass index in children. Acta Pædiatrica, 97, 795–800.

Lee, S.T., Wong, J.E., Shanita, S.N., Ismail, M.N., Deurenberg, P. & Poh, B.K. (2015). Daily Physical Activity and Screen Time, but Not Other Sedentary Activities, Are Associated with Measures of Obesity during Childhood. International Journal of Environmental Research and Public Health, 12, 146–161.

Leech, R.M., McNaughton, S.A. & Timperio, A. (2014). The clustering of diet, physical activity and sedentary behavior in children and


227

adolescents: a review. International Journal of Behavioral Nutrition and Physical Activity, 11, 4.

Lepp, A., Barkley, G.E., Sanders, G.J., Rebold, M. & Gates, P. (2013). The relationship between cell phone use, physical and sedentary activity, and cardiorespiratory fitness in a sample of U.S. college students. International Journal of Behavioral Nutrition and Physical Activity, 10, 79.

León, O.G. y Montero, I. (1995). Diseño de Investigaciones. Introducción a la lógica de la investigación en Psicología y Educación. México: McGraw-Hill.

León, O. G., y Montero, I. (2002). Métodos de Investigación en Psicología y Educación. México: McGraw-Hill.

Lê-Scherban, F., Diez, A.V., Li, Y. & Morgenstern, H. (2014). Does academic achievement during childhood and adolescence benefit later health? Annals of Epidemiology, 24, 344–355.

Levine, L.E., Waite, B.M. & Bowman, L.L. Electronic Media Use, Reading, and Academic Distractibility in College Youth. (2007). CyberPsychology & Behavior, 10, 560–566.

Li, S., Treuth, M.S. & Wang, Y. (2010). How active are American adolescents and have they become less active? (2010). Obesity Reviews, 11, 847–862.

Little, T.D. (1997). Mean and covariance structures (MACS) analyses of cross-cultural data: Practical and theoretical issues. Multivariate Behavioral Research Journal, 32, 53–76.

Liu, J., Kim, J., Colabianchi, N., Ortaglia, A. & Pate. R.R. (2010). Co-varying patterns of physical activity and sedentary behaviors and their long-term maintenance among adolescents. Journal of Physical Activity & Health, 7, 465–474.

Lou, D.W. (2014). Sedentary behaviors and youth: current trends and the impact on health. San Diego: Active Living Research. Retrieved on May 24th, 2015 from: http://activelivingresearch.org/sedentaryreview.


228

Loucaides, C.A., Jago, R., Theophanous, M. (2011). Physical activity and sedentary behaviors in Greek-Cypriot children and adolescents: a cross-sectional study. International Journal of Behavioral Nutrition and Physical Activity, 8, 90.

Lubans, D.R., Hesketh, K., Cliff, D.P., Barnett, L.M., Salmon. J., Dollman, J., … Hardy, L.L. (2011). A systematic review of the validity and reliability of sedentary behavior measures used with children and adolescents. Obesity Reviews, 12, 781–799.

Ma, L., Mai, J., Jing, J., Liu, Z,. Zhu, Y., Jin, Y. & Chen, Y. (2014). Empirical change in the prevalence of overweight and obesity in adolescents from 2007 to 2011 in Guangzhou, China. European Journal of Pediatrics, 173, 787–791.

Maher, C., Olds, T.S., Eisenmann, J.C. & Dollman, J. (2012). Screen time is more strongly associated than physical activity with overweight and obesity in 9- to 16-year-old Australians. Acta Pædiatrica, 101, 1170–1174.

Malina, R.M. (1994). Benefits of physical activity from a lifetime perspective. In H.A. Quinney, L. Gauvin, & A.E.T. Wall. Toward active living (p. 47-53). Champaign: Human Kinetics.

Mark, A.E. & Janssen, I. (2008) Relationship between screen time and metabolic syndrome in adolescents. Journal of Public Health, 30(2), 153–160.

Marshall, S.J., Biddle, S.J.H., Sallis, F.J., McKenzie, T.L. & Conway, T.L. (2002). Clustering of Sedentary Behaviors and Physical Activity Among Youth: A Cross-National Study. Pediatric Exercise Science, 14, 401–417.

Marshall, S.J., Gorely, T. & Biddle, S.J.H. (2006). A descriptive epidemiology of screen-based media use in youth: A review and critique. Journal of Adolescence, 29, 333–349.

Martín, J.F. (2009). Prevención y primeros auxilios en educación física. Revista digital de innovación y experiencias educativas, 21, 1–17.


229

Martínez, D. y Veiga, O.L. (2007). Insatisfacción corporal en adolescentes: relaciones con la actividad física e índice de masa corporal. Revista Internacional de Medicina y Ciencias de la Actividad Física y el Deporte, 7(27), 253–265.

Martín-Matillas, M., Ortega, F.B., Chillón, P., Pérez, I. J., Ruiz, J. R., Castillo, R., … Tercedor, P. (2011). Physical activity among Spanish adolescents: Relationship with their relatives? Physical activity – The AVENA study. European Journal of Sport Science, 29(4), 329–336.

Mathers, M., Canterford, L., Olds, T., Hesketh, K., Ridley, K. & Wake, M. (2009). Electronic Media Use and Adolescent Health and Well-Being: Cross-Sectional Community Study. Academic Pediatrics, 9, 307–314.

McCann, S. (1995). Overtraining and burnout. In S.M. Murphy, Sport Psychology Interventions (p. 347–368). Champaign: Human Kinetics.

McKenzie, T., Sallis, J., Broyles, S., Zive, M.M., Nader, P.R, Berry, C.C. & Brennan, J.J. (2002). Childhood movement skills: predictors of physical activity in Anglo American and Mexican American adolescents? Research Quarterly for Exercise and Sport, 73, 238–244.

McMurray, R.G., Ring, K.B., Treuth, M.S., Welk, G.J., Pate, R.R., Scmitz, K.H., … Sallis, J.F. (2004). Comparison of two approaches to structured physical activity surveys for adolescents. Medicine & Science in Sport & Exercise, 36, 2135–2143.

Melkevik, O., Haug, E., Rasmussen, M., Fismen, A.S., Wold, B., Borraccino, A., … Samdal, O. (2015). Are associations between electronic media use and BMI different across levels of physical activity? BMC Public Health, 15, 497.

Melkevik, O., Torsheim, T., Iannotti, R.J. & Wold, B. (2010). Is spending time in screen-based sedentary behaviors associated with less physical activity: a cross national investigation. International Journal of Behavioral Nutrition and Physical Activity, 7, 46.

Melzer, K., Kayser, B. & Pichard, C. (2004). Physical activity: the health benefits outweigh ther risks. Current Opinion in Clinical Nutrition and Metabolic Care, 7(6), 641–647.


230

Millward, D.J. (2013). Energy balance and obesity: a UK perspective on the gluttony v. sloth debate. Nutrition Research Reviews, 26, 89–109.

Ministerio de Sanidad, Servicios Sociales e Igualdad. (2015). Actividad física para la salud y la reducción del sedentarismo. Recomendaciones para la población. Consultado el 20 de agosto, 2015, en: http://www.msssi.gob.es/profesionales/saludPublica/prevPromocion/Estrategia/Recomendaciones_ActivFisica.htm.

Mitchell, J.A & Byun, W. (2014). Sedentary Behavior and Health Outcomes in Children and Adolescents. American Journal of Lifestyle Medicine, 8(3), 173–199.

Morales J, Gonzalez L, Guerra M., Virgili, C. & Unnithan, V. (2011). Physical activity, perceptual-motor performance, and academic learning in 9- to 16-years-old school children. International Journal of Sport Psychology, 42(4), 401–415.

Motl, R.W., McAuley, E., Birnbaum, A.S. & Lytle, L.A. (2006). Naturally occurring changes in time spent watching television are inversely related to frequency of physical activity during early adolescence. Journal of Adolescence, 29(1), 19–32.

Muñoz-Miralles, R., Ortega-González, R., Batalla-Martínez, C., López-Morón, M.R., Manresa, J.M. y Torán-Monserrat, P. (2014). Acceso y uso de nuevas tecnologías entre los jóvenes de educación secundaria, implicaciones en salud. Estudio JOITIC. Atención Primaria, 46(2), 77–88.

Nelson, M.C. & Gordon-Larsen, P. (2006). Physical activity and sedentary behavior patterns are associated with selected adolescent health risk behaviors. Pediatrics, 117, 1281–1290.

Nelson, M.C., Neumark-Stzainer, D., Hannan, P.J., Sirard, J.R. & Story, M. (2006). Longitudinal and Secular Trends in Physical Activity and Sedentary Behavior During Adolescence. Pediatrics, 118, e1627.

Newell, K.M. (1990). Physical activity, knowledge types and degree programs. Quest, 42, 243–268.


231

Nihill, G.F.J., Lubans, D.R., & Plotnikoff, R.C. (2012). Associations between sedentary behavior and self-esteem in adolescent girls from schools in lowincome communities. Mental Health and Physical Activity, 6(1), 30–35.

Ng, M., Fleming, T., Robinson, M., Thomson, B., Graetz, N., Margono, C., … Gakidou, E. (2014). Global, regional, and national prevalence of overweight and obesity in children and adults during 1980-2013: a systematic analysis for the Global Burden of Disease Study 2013. Lancet, 384(9945), 766–781.

Okely, T., Salmon, J., Vella, S., Cliff, D., Timperio, A., Tremblay, M., … Marino, N. (2013). A systematic review to inform the Australian sedentary behavior guidelines for children and young people. Retrieved on 14th January, 2016, from: http://www.health.gov.au/internet/main/publishing.nsf/content/3768EA4DC0BF11D0CA257BF0001ED77E/$File/SR-ASBGCYP.pdf

Organización Mundial de la Salud. (1946). Constitution of the World Health Organization. Genoa: WHO.

Organización Mundial de la Salud. (2010). Recomendaciones mundiales sobre actividad física para la salud. Ginebra: Ediciones de la OMS.

Ottevaere, C., Huybrechts, I., Benser J, De Bourdeaudhuij I, Cuenca-Garcia M, Dallongeville J, … De Henauw, S. (2011). Clustering patterns of physical activity, sedentary and dietary behavior among European adolescents: the HELENA study. BMC Public Health, 11, 328.

Owens, J. Insufficient Sleep in Adolescents and Young Adults: An Update on Causes and Consequences. (2014). Pediatrics, 134(3), 921–932.

Owen, N., Leslie, E. & Salmon J. (2000). Environmental determinants of physical activity and sedentary behavior. Exercise and Sport Sciences Reviews, 28(4), 165–170.

Parfitt, G., Pavey, T. & Rowlands, A.V. (2009). Children’s physical activity and psychological health: the relevance of intensity. Acta Paediatrica, 98, 1037–1043.

Parlebas, P. (1989). Elementos de sociología del deporte. Málaga: Unisport.


232

Pastor, Y., Balaguer, I. y García-Merita, M. (2006). Relaciones entre el autoconcepto y el estilo de vida saludable en la adolescencia media: un modelo exploratorio. Psicothema, 18(1), 18–24.

Pate, R.R., Colabianchi, N., Porter, D., Almeida, M.J., Lobelo, F. & Dowda, M. (2008). Physical activity and neighborhood in high school girls. American Journal of Preventive Medicine, 34(5), 413–419.

Pate, R.R & Hohn, R. (1994). Health and fitness through physical education. Champaign: Human Kinetics.

Pate, R.R., Pratt, M., Blair, S.N., Haskell, W.L., Macera, C.A., Bouchard, C. … Wilmore, J.H. (1995). Physical activity and public health: recommendation from the Centers for Disease Control and Prevention and the American College of Sports Medicine. Journal of the American Medical Association, 273, 402–407.

Pearson, N., Braithwaite, R.E., Biddle S.J.H., van Sluijs, E.M.F. & Atkin, A.J. (2014). Associations between sedentary behavior and physical activity in children and adolescents: a meta-analysis. Obesity Reviews, 15, 666–675.

Pedersen, B.K. (2007). Body mass index-independent effect of fitness and physical activity for all-cause mortality. Scandinavian Journal of Medicine & Science in Sports, 17, 196–204.

Peiró-Velert, C., Devís-Devís, J., Beltrán-Carrillo, V.J. & Fox, K.R. (2008). Varability of Spanish adolescents’ physical activity patterns by seasonality, day of the week and demographic factors. European Journal of Sport Science, 8(3), 163–171.

Peiró-Velert, C., Valencia-Peris, A., González, L.M., García-Massó, X., Serra-Añó, P. & Devís-Devís, J. (2014). Screen media usage, sleep time and academic performance in adolescents: clustering a Self-Organizing Maps Analysis. PLoS One, 9, e99478.

Pellicer-Chenoll, M., Garcia-Massó, X., Morales, J., Serra-Añó, P., Solana-Tramunt, M., González, L.M. & Toca-Herrera, J.L. (2015). Physical activity, physical fitness and academic achievement in adolescents: a self-organizing maps approach. Health Education Research, 30(3), 436–448.


233

Pereira, M.A., Fitzgerald, S.J., Greeg, E.W., Joswiak, M.L., Ryan, W.J., Suminski, R.R, … Zmuda, J.M. (1997). A collection of physical activity questionnaires for health related research. Medicine & Science in Sports & Exercise, 29, S1–S205.

Pérez, J. (2005). La otra televisión digital. Telos: Cuadernos de comunicación e innovación. Consultado el 27 de noviembre, 2015, en: https://telos.fundaciontelefonica.com/telos/editorial.asp@rev=62.htm

Pérez-Samaniego, V. (2000). Actividad Física, salud y actitudes. Valencia: Edetania.

Pette, G.K.K., Morrow, J.R.Jr. & Woosley, A.T.L. (2012). Framework for physical activity as a complex and multidimensional behavior. Journal of Physical Activity and health, 9(S1), S11–S18.

Powell, K.E. & Paffenbarger, R.S. (1985). Workshop on Epidemiologic and Public Health Aspects of Physical Activity and Exercise: a summary. Public Health Reports, 100(2), 118–126.

Prot, S., Gentile, D.A., Anderson, C.A., Suzuki, K., Swing, E., Lim, K.M. … Lam, B.C.P. (2014). Long-term relations among prosocial media use, empathy, and prosocial behavior. Psychological Science, 25(2), 358–368.

Raitakari, O.T., Porkka, K.V.K., Taimela, S., Telama, R., Rasanen, L. & Viikari, J.S.A. (1994). Effects of persistent physical activity and inactivity on coronary risk factors in children and young adults. American Journal of Epidemiology, 140(3), 195–205.

Rank, M., Wilks, D.C., Foley, L., Jiang, Y., Langhof, E. & Halle, M., (2014). Health-Related Quality of Life and Physical Activity in Children and Adolescents 2 Years after an Inpatient Weight-Loss Program. Journal of Pediatrics, 165, 732–737.

Rasberry, C,N., Lee, S.A., Robin, L.,, Laris, B.A., Russell, L.A., Coyle, K.K. & Nihiser, A,J. (2011). The association between school-based physical activity, including physical education, and academic performance: A systematic review of the literature. Preventive Medicine, 52, S10–S20.


234

Raudsepp, L., Liblik, R. & Hannus, A. (2002). Children’s and adolescent’s physical self-perception as related to moderate to vigorous physical activity and physical fitness. Pedriatric Exercise Science, 14, 97–106.

Rey-López, J.P., Vicente-Rodríguez, G., Biosca, M. & Moreno, L.A. (2008). Sedentary behavior and obesity development in children and adolescents. Nutrition, Metabolism & Cardiovascular Diseases, 18, 242–251.

Rideout, V.J., Foehr, U.G., Roberts, D.F. & Generation M2. (2010). Media in the Lives of 8- to 18-Year-Olds. California: A Kaiser Family Foundation Study. Retrieved on May 5th, 2012, from: http://www.kff.org/entmedia/mh012010pkg.cfm.

Rosenberg, D.E., Norman, G.L., Sallis, J.F., Calfas, K.J. & Patrick, K. (2007). Covariation of adolescent physical activity and dietary behaviors over 12 months. Journal of Adolescent Health, 4, 472–478.

Ross, C.E. & Broh, B.A. (2000). The Roles of Self-esteem and the Sense of Personal Control in the Academic Achievement Process. Sociology of Education, 73(4), 270–284.

Rowland, T.W. (1985). Aerobic response to endurance training in prepubescent children: A critical analysis. Medicine and Science in Sports and Exercise, 17, 493–497.

Ruiz, J., Ortega, F.B., Castillo, R., Martín-Matillas, M., Kwak, L., Vicente-Rodríguez, G., … Moreno, L.A. (2010). Physical Activity, Fitness, Weight Status, and Cognitive Performance in Adolescents. Journal of Pediatrics, 157, 917–922.

Salanovaa, M., Schaufelib, W., Martínez, I. & Bresó, E. (2010). How obstacles and facilitators predict academic performance: the mediating role of study burnout and engagement. Anxiety Stress Coping, 23, 53–70.

Salleras, L. (1985). Educación sanitaria. Madrid: Diaz Santos.

Sallis, J.F., Buono, M.J., Roby, J.J., Micale, F.G. & Nelson, J.A. (1993a). Seven-day recall and other physical activity self-reports in children


235

and adolescents. Medicine and Science in Sports and Exercise, 1(25), 99–108.

Sallis, J. F., Haskell, W. L., Wood, P. D., Fortmann, S. P., Rogers, T., Blair, S. N. & Paffenbarger, R.S. (1985). Physical activity assessment methodology in the Five-City Project. American Journal of Epidemiology, 121, 91–106.

Sallis, J. F., Nader, P.R., Broyles, S.L., Berry, C.C., Elder, J.P., McKenzie, T.L. & Nelson, J.A. (1993b). Correlates of physical activity at home in Mexican-American and Anglo-American preschool children. Health Psychology, 12, 390–398.

Sallis, J.F. & Owen, N. (1999). Physical activity and behavioral medicine. Thousand Oaks, CA: Sage Publications.

Sallis, J.F., Patterson, T.L., Buono, M.J. & Nader, P.R. (1988). Relation of cardiovascular fitness and physical activity to cardiovascular disease risk factors in children and adults. American Journal Epidemiology, 127, 933–941.

Sallis, J.F., Patterson, T.L., Morris, J.A., Nader, P.R. & Buono, M.J. (1989). Familiar aggregation of aerobic power: the influence of age, physical activity and body mass index. Research Quarterly for Exercise and Sport, 60, 318–324.

Sallis, J.F. & Patrick K. (1994). Physical activity guidelines for adolescents: Consensus Statement. Pediatric Exercise Science, 6, 302–314.

Sallis, J.F. & Saelens, B.E. (2000). Assessment of physical activity by self-report: status, limitations and future directions. Research Quarterly for Exercise and Sport, 71(2), 1–14.

Samdal, O., Tynjälä, J., Roberts, C., Sallis, J.F., Villberg, J. & Wold, B. (2006). Trends in vigorous physical activity and TV watching of adolescents from 1986 to 2002 in seven European Countries. European Journal of Public Health, 17(3), 242–248.

Sánchez-Martínez, M. & Otero, A. (2009). Factors Associated with Cell Phone Use in Adolescents in the Community of Madrid (Spain). CyberPsychology & Behavior, 12(2), 131–138.


236

Sandercock, G.R.H., Ogunleye, A. & Voss, C. (2012). Screen Time and Physical Activity in Youth: Thief of Time or Lifestyle Choice? Journal of Physical Activity and Health, 9, 977–984.

Santoro, M.D. (2000). Success breeds success: The linkage between relationship intensity and tangible outcomes in industry–university collaborative ventures. The Journal of High Technology Management Research, 11, 255–273.

Sardinha, I., Baptista, F. & Ekelund, U. (2008). Objectively measured physical activity and bone strength in 9 years old boys and girls. Pediatrics, 122, e728–e736.

Serra-Majem, L., Ribas-Barba, L., Aranceta-Bartrina, J., Pérez-Rodrigo, C., Saavedra-Santana, P. y Peña-Quintana, L. (2003). Obesidad infantil y juvenil en España. Resultados del Estudio enKid (1998-2000). Medicina Clínica, 121(19), 725–732.

Serrano-Sánchez, J.A., Martí-Trujillo, S., Lera-Navarro, A., Dorado-García, C., González-Henríquez, J.J. & Sanchís-Moysi J. (2011). Associations between Screen Time and Physical Activity among Spanish Adolescents. PLoS One, 6(9), e24453.

Sharif, I., Wills, T.A. & Sargent, J.D. (2010). Effect of visual media use on school performance: a prospective study. Journal of Adolescent Health, 46, 52–61.

Shaughnessy, J.J., Zechmeister, E.B. y Zechmeister, J.S. (2007). Métodos de Investigación en Psicología. México: McGraw-Hill.

Shephard, R.J. (2003). Limits to the measurement of habitual physical activity by questionnaire. British Journal of Sports Medicine, 37, 197–206.

Shin, N. (2004). Exploring pathways from television viewing to academic achievement in school age children. The Journal of Genetic Psychology, 165(4), 367–81.

Sisson, S.B., Broyles, S.T., Baker, B.L. & Katzmarzyk, P.T. (2011). Television, reading, and computer time: correlates of school-day leisure-time sedentary behavior and relationship with overweight in


237

children in the U.S. Journal of Physical Activity and Health, 8(2), S188–S197.

Spernak, S.M., Schottenbauer, M.A., Ramey, S.L. & Ramey, C.T. (2006). Child health and academic achievement among former head start children. Children and Youth Services Review, 28, 1251–1261.

Stratton, G. & Watson, P. (2009) Young people and physical activity. In L., Dugdill, D., Crone, & R. Murphy. Physical activity & health promotion. Evidence-based. Approaches to Practises. Oxford: Willey-BlackWell.

Strong, W.B., Malina, R.M., Blimkie, C.J.R., Daniels, S.R., Dishman, R.K., Gutin, B., … Trudeau. F. (2005). Evidence based physical activity for school-age youth. Journal of Pediatrics, 146, 732–737.

Suay, F., Ricarte, J y Salvador, A. (1998). Indicadores psicológicos de sobreentrenamiento y agotamiento. Revista de psicología del deporte, 9(13), 8–28.

Subrahmanyam, K., Greenfield, P., Kraut, R. & Gross E. (2001). The impact of computer use on children’s and adolescents’ development. Journal of Applied Developmental Psychology, 22, 7–30.

Suess, D., Suoninen, A., Garitaonandia, C., Juaristi, P., Koikkalainen, R. & Oleaga, J.A. (1998). Media Use and the Relationships of Children and Teenagers with their Peer Groups: A Study of Finish, Spanish and Swiss Cases. European Journal of Communication, 13(4), 521–538.

Sugiyama, T., Xie, D., Graham-Maar, R.C., Inoue, K., Kobayashi, Y. & Stettler, N. (2007). Dietary and lifestyle factors associated with blood pressure among U.S. adolescents. Journal of Adolescent Health, 40(2), 166–72.

Swing, E., Gentile, D., Anderson, C. & Walsh, D. (2010). Television and video game exposure and the development of attention problems. Pediatrics, 126, 214–221.

Taveras, E.M, Field, A.E, Berkey, C.S, Rifas-Shiman, S.L., Frazier, A.L., Colditz, GA. & Gillman, M.W. (2007). Longitudinal relationship


238

between television viewing and leisure-time physical activity during adolescence. Pediatrics, 119(2), 314–318.

Telama, R., Yang, X., Viikari, J., Välimäki, I., Wanne, O. & Raitakari, O. (2005). Physical Activity from Childhood to Adulthood A 21-Year Tracking Study. American Journal of Preventive Medicine, 28(3), 267–273.

Telefónica F. (2015). La sociedad de la Información en España. Barcelona: Ariel. Consultado el 17 de septiembre, 2015, en: http://www.fundaciontelefonica.com/arte_cultura/ publicaciones-listado/pagina-item-publicaciones/?itempubli=323.

te Velde, S.J., De Bourdeaudhuij, I., Thorsdottir, I., Rasmussen, M., Hagströmer, M., Klepp, K. & Brug, J. (2007). Patterns in sedentary and exercise behaviors and associations with overweight in 9–14-year-old boys and girls. A cross-sectional study. BMC Public Health, 7, 16.

Thibault, H., Contrand, B., Saubusse, E., Baine, M. & Maurice-Tison, S. (2010). Risk factors for overweight and obesity in French adolescents: Physical activity, sedentary behavior and parental characteristics. Nutrition, 26,192–200.

Toro J. (1996). Ejercicio físico, deporte y trastornos del comportamiento alimentario. En El cuerpo como delito. Anorexia, bulimia cultura y sociedad. Barcelona: Martínez Roca.

Trang, N.H., Hong, TK., van der Ploeg, H.P., Hardy, L.L., Kelly, P.J. & Dibley, M.J. (2013). Longitudinal sedentary behavior changes in adolescents in Ho Chi Minh City. American Journal of Preventive Medicine, 44, 223–230.

Tremblay, M.S., LeBlanc, A.G., Kho, M.E., Saunders, T.J., Larouche, R., Colley, R.C., … Gorber, S.C. (2011). Systematic review of sedentary behavior and health indicators in school-aged children and youth. International Journal of Behavioral Nutrition and Physical Activity, 8, 98.

Tremblay, M.S. & Willms, J.D. (2003). Is the Canadian childhood obesity epidemic related to physical inactivity? International Journal of Obesity, 27, 1100–1105.


239

Trochim, W.M. (2006). The Research Methods Knowledge Base, 2nd Edition. Retrieved on October 27th, 2015 from: http://www.socialresearchmethods.net/kb/.

Trudeau, F. & Shephard, R.J. (2008). Physical education, school physical activity, school sports and academic performance. International Journal of Behavioral Nutrition and Physical Activity, 5, 10.

Tsitsika, A.K., Tzavela, E.C., Janikian, M., Ólafsson, K., Iordache, A., Schoenmakers, T.M., … Richardson, C. (2014). Online social networking in adolescence: patterns of use in six European countries and links with psychosocial functioning. Journal of Adolescent Health, 55(1), 141–147.

Tukey, J. (1977). Exploratory data analysis. Reading. Mass: Adison-Wesley.

US Department of Health & Human Services (2008). Physical Activity Guidelines for Americans: Be Active, Healthy and Happy! Retrieved on September 22nd, 2014, from: http://health.gov/paguidelines/pdf/paguide.pdf

Valencia-Peris. (2013). Actividad Física y uso sedentario de medios tecnológicos de pantalla en adolescentes. Tesis doctoral. Universidad de Valencia.

Valencia-Peris, A. y Devís-Devís, J. (2014). Asociación entre el tiempo de uso del ordenador y la actividad física en la adolescencia. Motricidad Humana, 15(2), 53-62.

Valencia-Peris, A., Devís-Devís, J. y Peiró-Velert, C. (2014). El uso sedentario de medios tecnológicos de pantalla: perfil sociodemográfico de los adolescentes españoles. Retos. Nuevas tendencias en Educación Física, Deporte y Recreación, 26, 21–26.

Valencia-Peris, A., Devís-Devís, J., García-Massó, X., Lizandra, J., Pérez-Gimeno, E. & Peiró-Velert, C. (2015). Competing effects between screen media time and physical activity in adolescent girls: clustering a self-organising maps analysis. Journal of Physical Activity & Health, (in press).


240

Varo, J.J., Martínez, J.A. y Martínez, M.A. (2003). Beneficios de la actividad física y riesgos del sedentarismo. Medicina Clínica, 121(17), 665–672.

Venn, A.J., Thomson, R.J., Schmidt, M.D., Cleland, V.J., Curry, B.A., Gennat, H.C. & Dwyer, T. (2007). Overweight and obesity from childhood to adulthood: a follow-up of participants in the 1985 Australian Schools Health and Fitness Survey. Medical Journal of Australia, 186, 458–460.

Visser, R.A. (1985). Analysis of longitudinal data in behavioral and social research. Leiden: DSWO Press.

Von Rueden, U., Gosh, A., Rajmil, L., Bisegger, C. & Ravens-Sieberer, U. (2006). Socioeconomic determinants of health related quality of life in childhood and adolescence: results from a European study. Journal of Epidemiology & Community Health, 60(2), 130–135.

Wallace, J.P., McKenzie, T.L. & Nader, P.R. (1985). Observed vs recalled exercise behavior: a validation of a seven day exercise recall for boys 11 to 13 years old. Research Quarterly for Exercise and Sport, 56, 161–165.

Walsh, S,P., White, K.M. & Young, R.M. (2008). Over-connected? A qualitative exploration of the relationship between Australian youth and their mobile phones. Journal of Adolescence, 31, 77–92.

Walsh, J.L., Fielder, R.L., Carey, K.B. & Carey, M.P. (2013). Female college students’ media use and academic outcomes: results from a longitudinal cohort study. Emerging Adulthood, 1(3), 219–232.

Yang, F., Helgason, A.R., Sigfusdottir, I.D. & Kristjansson, A.L. (2012). Electronic screen use and mental well-being of 10–12-year-old children. European Journal of Public Health, 23(3), 492–498.

Ying-Xiu, Z., Jin-Shan, Z., Jing-Yang, Z., Zun-Hua, C. & Guang-Jian, W. (2013). Comparison on physical activity among adolescents with different weight status in Shandong, China. Journal of Tropical Pediatrics, 59(3), 226–230.


241

Young, D.R., Philips, J.A., Yu, T. & Haythornthwaite, J.A. (2006). Effects of a life skills intervention for increasing physical activity in adolescent girls. Archives of Pediatrics and Adolescent Medicine, 160, 1255–1261.

Zuazagoitia, A., Montoya, I., Grandes, G., Arietaleanizbeascoa, M.A., Arce, V., Martínez, V., … Sánchez, A. (2014). Reliability and validity of the 7-day Physical Activity Recall interview in a Spanish population. European Journal of Sport Science, 14(S1), S361–S368.

ANEXOS

Anexos

245

ANEXO 1. CUESTIONARIO PARA MEDIR LA ACTIVIDAD FÍSICA (7-day Physical Activity Recall)

10. ¿Has asistido a clase la última semana? 0. No 1. Sí

11. ¿Cuántos días has ido a clase la última semana? _____ Días

12. ¿Cuántas horas en total has estado en clase la última semana? ______ Horas

13. Hoja de Registro DÍAS

Dormir

(día semana)

1 2 3 4 5 6 7

Levantarse

M A Ñ A N A

Comida

(minutos)

Moderada

Vigorosa

Muy Vigorosa

Después de comer

T A R D E

Cena

Moderada

Vigorosa

Muy Vigorosa

Después de cenar

N O C H E

Acostarse

Moderada

Vigorosa

Muy Vigorosa

Fuerza

Flexibilidad

14. Comparado con el nivel de actividad física que has realizado en estos últimos 3 meses, la actividad realizada en estos últimos siete días ha sido: a) Mayor b) Igual c) Menor

Anexos

247

ANEXO 2. CUESTIONARIO DE ACTIVIADES SEDENTARIAS (Adolescent Sedentary Activity Questionnaire (ASAQ))

15. ENTRE SEMANA L M X J V

h/m h/m h/m h/m h/m 1. Ver la televisión 2. Ver videos/DVD 3. Utilizar el ordenador para jugar 4. Utilizar el ordenador para chatear o comunicarse

5. Utilizar el ordenador para estudiar o hacer deberes

6. Estudiar o hacer deberes sin ordenador

7. Jugar a videojuegos no activos (no cuenta la Wii y similares)

8. Actividades con móvil para comunicarse

9. Actividades con móvil para jugar 10. Leer por placer 11. Escuchar música 12. Tocar instrumento 13. Estar con los amigos/as fuera del horario escolar

14. Desplazarme en transporte motorizado (autobús, coche, etc.)

15. Hacer trabajos manuales o pintar/dibujar

16. FIN DE SEMANA Sábado Domingo

h m h m 1. Ver la televisión

2. Ver videos/DVD

3. Utilizar el ordenador para jugar

4. Utilizar el ordenador para chatear o comunicarse

5. Utilizar el ordenador para estudiar o hacer deberes

6. Estudiar o hacer deberes sin ordenador

7. Jugar a videojuegos no activos

8. Actividades con móvil para comunicarse

9. Actividades con móvil para jugar

10. Leer por placer

11. Escuchar música

12. Tocar instrumento

13. Estar con los amigos/as 14. Desplazarme en transporte motorizado/viajar 15. Hacer trabajos manuales o pintar/dibujar 16. Acudir a un centro religioso

Anexos

249

ANEXO 3. CUESTIONARIO SOBRE EL NIVEL SOCIOECONÓMICO (FAMILY AFFUENCE SCALE II)

1. ¿Tiene tu familia coche, furgoneta o camión? 1. No 2. Sí, uno 3. Sí, dos o más 2. ¿Tienes un dormitorio para ti solo? 1. No 2. Sí 3. Durante los últimos doce meses, ¿Cuántos viajes de vacaciones has realizado con tu familia? 1. Ninguno 2. Uno 3. Dos 4. Más de dos 4. ¿Cuántos ordenadores tiene tu familia en casa? 1. Ninguno 2. Uno 3. Dos 4. Más de dos

Anexos

251

ANEXO 4. APROVACIÓN DEL COMITÉ DE ÉTICA DE LA UV

Anexos

253

ANEXO 5. APROVACIÓN DEL COMITÉ DE ÉTICA DE LA CONSELLERIA D’EDUCACIÓ

Anexos

255

ANEXO 6. CARTA INFORMATIVA AL EQUIPO DIRECTIVO DEL CENTRO

Anexos

257

ANEXO 7. MODELO CONSENTIMIENTO INFORMADO PARA EL CENTRO

Anexos

259

ANEXO 8. MODELO CONSENTIMIENTO INFORMADO PARA LA FAMILIA

Anexos

261

ANEXO 9. PROTOCOLO PASE DE CUESTIONARIOS

1. PRESENTACIÓN

Somos (Jorge/Sofía/Fernando…) y venimos de la Universidad de Valencia. Pertenecemos a un grupo de investigación que está realizando una continuación del estudio sobre estilos de vida activo, uso de medios tecnológicos y obesidad en adolescentes, en el que participasteis hace tres años.

Habréis traído la autorización de vuestros padres o tutores para la participación en el mismo. Si no es así, no pasa nada, podéis rellenarlo y entregarla más adelante.

2. PASE DE CUESTIONARIOS

2.1. Datos personales:

Estarán puestos en el cuestionario. (CÓDIGO IDENTIFICACIÓN):

Al entregar el cuestionario se pasa LISTA. Aprovechar para anotar los que faltan.

El peso y la altura lo dejáis en blanco porque os pesaremos y os mediremos a medida que vayáis acabando, aunque no os diremos lo que pesáis i medís.

DAR UNOS MINUTOS PARA QUE CONTESTEN DE 1 A LA 9. En la pregunta 8 nos referimos a cualquier actividad dirigida por un monitor o entrenador y que realizáis regularmente fuera del horario escolar.

Cuando ya lo tenemos, pasamos todos juntos a contestar el 7DPAR.

7-DAY PHYSICAL ACTIVITY RECALL

(Comprobar que ninguno se ha quedado retrasado y que anotan la información en las casillas correspondientes).

El primer cuestionario va a reflejar cuanta actividad física habéis realizado en los últimos 7 días, no en una semana habitual. Tenéis que hacer un esfuerzo para intentar recordar con la máxima fidelidad posible qué actividades hicisteis en cada día y la duración de las mismas. Para ello necesitamos concentrarnos, es algo individual, pues cada uno habrá realizado diferentes actividades.

Es importante que lo cumplimentéis todos a la vez, siguiendo nuestras indicaciones, resolveremos las dudas que os puedan surgir para dar una respuesta lo más real posible.

Anexos

262

1º Antes que nada veréis que hay una tabla en la que tenemos que especificar los días de la semana (dibujar en la pizarra). Pues si hoy es martes (por ejemplo) empezaremos la cuenta atrás a partir de ayer por la columna 7:

13. Hoja de Registro DÍAS

MARTES MIÉRCOLES JUEVES VIERNES SÁBADO DOMINGO LUNES

Ahora podéis contestar las preguntas 10, 11 y 12 (dejar un par de minutos).

DORMIR: En la segunda fila veis que pone Dormir. Aquí nos gustaría que nos pusierais cuantas horas habéis dormido cada día. Si hoy es martes (ej.) empezaremos por ayer, que está en la columna 7. Si nos fuimos a dormir por ejemplo a las 00:00 y nos hemos levantado a las 7:00 pues hemos dormido 7 horas. Apuntamos un 7 en la columna 7 de la fila dormir. NIVEL DE AF: Ahora vamos a rellenar el resto de la tabla que tiene que ver con la AF que habéis realizado en estos últimos 7 días. Vamos a completarla dividiendo cada día en tres segmentos diferentes:

La mañana: desde que nos levantamos por la mañana hasta la hora de come

La tarde: después de comer hasta la hora de cenar

La noche: después de cenar hasta la hora de dormir.

No nos interesan las actividades de intensidad ligera, tales como pasear, jugar a los bolos o actividades del hogar. Nos interesan aquellas actividades que hacéis en el colegio/instituto, en casa o actividades deportivas y que implican un esfuerzo relativo.

Diferenciaremos entre 3 tipos de actividades:

Las moderadas: te hacen sentir de una manera similar a cuando caminas a paso rápido, como cuando vas con prisa a algún sitio, a una intensidad que te hace aumentar tu ritmo respiratorio y te dificulta hablar con otra persona.

Ex: caminar actividad mantenida como mínimo 10 minutos, pero no como medio para desplazarme tranquilamente.

Las vigorosas: no es tan intensa o fuerte como correr, pero requiere más esfuerzo que una actividad de intensidad moderada como caminar a paso rápido.

Las muy vigorosas: aquella que te hace sentir similar a cuando corres. y que la actividad vigorosa es aquella que, con prisa.

Anexos

263

“Si alguien tiene alguna duda y no sabe dónde categorizar una actividad específica que haya hecho que lo pregunte”.

(ANEXO INTENSIDAD DE LA ACTIVIDAD):

2. Preguntar cuál es la intensidad de cada una de las actividades que se recuerden. La única excepción es correr. Si la persona informa de que ha estado corriendo o haciendo jogging, la actividad va directamente a la categoría de intensidad muy vigorosa,

Esto no se aplica a caminar, pues desconocemos si el caminar era a paso lento, normal o

paso rápido. Para el resto de actividades, proporcionaremos las guías de intensidad. 3. Caminar y correr proporcionan buenas referencias para clasificar las actividades. Si una

actividad parece tener una intensidad similar a caminar a paso rápido, entonces dicha actividad debe ser codificada como moderada.

Si una actividad parece tener una intensidad tan fuerte como correr, entonces dicha

actividad debe ser codificada como muy vigorosa. 4. En muchas ocasiones, la intensidad en la que ha sido realizada la actividad, puede hacer

grandes diferencias en el gasto energético. Por ejemplo, es posible haber jugado un partido de dobles a tenis sin haberse esforzado mucho, no habiendo gastado mucha energía. Por ello, debemos usar las guías de intensidad para obtener una estimación precisa de la intensidad a la que el participante ha realizado la actividad.

5. Caminar: La regla específica para caminar es que solamente debemos registrar

aquellos episodios que hayan tenido una duración superior a 10 minutos. Ese episodio, puede haber tenido lugar a la mañana, y posteriormente, puede haber ocurrido otro episodio a la tarde. Entonces el participante, habrá realizado dicha actividad (caminar) con una duración total de 20 minutos ese día. Esta regla se traslada a cada una de las categorías de intensidad: para ser registrada, cada actividad debe haber sido realizada con una duración superior a 10 minutos.)

PUNTUACIÓN: fracciones de 15 minutos (15, 30, 45, 60, 120…) PIZARRA equivalencias con horas).

Toda actividad debe haber sido realizada con una duración superior a 10 minutos para poder ser registrada y se redondea a 15 para rellenar el cuestionario.

Redondeo. En el cuestionario, se proporciona una tabla de redondeo que establece: 10 minutos y 20 minutos se redondean a 15 minutos 25 minutos y 35 minutos se redondean a 30 minutos 40 minutos y 50 minutos se redondean a 45 minutos 55 minutos y 65 minutos se redondean a 60 minutos

Intermitencia o continuidad. La AF puede ser realizada de manera intermitente o continuada siempre que se haya mantenido como mínimo 10 minutos (5+5 NO)

Ex: ir al cole 10 ir + 10 volver.

Anexos

264

Descansos. Debemos preguntar al participante si el tiempo reportado es realmente tiempo de actividad, sugiriéndole que elimine el tiempo dedicado a descansar o a otro tipo de paradas.

Ex: Partido de balonmano dura 60 minutos, pero yo he jugado 30 y 30 banquillo)

FUERZA Y FLEXIBILIDAD (última fila del cuadro):

Definición de Fuerza y Flexibilidad. Los ejercicios de fuerza incluyen hacer flexiones, flexiones de piernas, sentadillas, levantar pesos y entrenamiento en máquinas de pesos, mientras que los ejercicios de flexibilidad incluyen estiramientos musculares prolongados durante varios segundos y también actividades como el yoga.

Una actividad será registrada como fuerza o flexibilidad solamente en el caso de que haya sido una actividad planeada y la intención del participante sea la de incrementar su fuerza y flexibilidad. Por ejemplo, estirarse para alcanzar un objeto en una estantería alta no debe ser registrado como un ejercicio de flexibilidad. Después de haber registrado la actividad física durante un día, preguntaremos al sujeto sobre los minutos dedicados a ejercicios de fuerza o flexibilidad.

Ejemplos: Por ejemplo, si un individuo informa de haber estado en el gimnasio 1 hora, deberemos separar el tiempo dedicado a ejercicios de fuerza y actividad física: 45 minutos levantando pesas (casilla de fuerza) y 15 minutos de bicicleta (casilla de actividad vigorosa o muy vigorosa).

Otros ejemplos son aquellos individuos que realizan un entrenamiento en circuitos, con diversos ejercicios, o que utilizan aparatos que implican un trabajo cardiovascular. En dichos casos, (QUE NOS LO DESCRIBAN Y LO CATEGORIZAMOS) como fuerza o flexibilidad o categorías de actividad. Asimismo, puede ser de gran ayuda preguntar al participante si él considera la actividad o ejercicio realizado como entrenamiento de fuerza, entrenamiento o levantamiento de pesas, etc.

Después de cada día de recuerdo: recuerdo se preguntará al participante si hay alguna actividad que se le haya olvidado o haya pasado inadvertida.

Al final de la entrevista, una vez recogida la información de los 7 días, pediremos al participante que mire hacia atrás en el curso de la semana por si recuerda haber realizado alguna otra actividad.

Por último contestáis a la pregunta 14.

(Asegurarnos si vamos bien de tiempo de que todos han acabado el 7DPAR, preguntar)

Anexos

265

Actividades sedentarias y otros cuestionarios

EN ESTE CASO ES UNA SEMANA HABITUAL, NO LA ÚLTIMA SEMANA.

Es muy importante que diferenciéis entre las actividades que hacéis entre semana y en el fin de semana.

Vamos a anotar en fracciones de 15 minutos (ver en pizarra tabla de equivalencias).

En caso de que la duración de una actividad sea inferior a 15 minutos que pongan “X MINUTOS”. MÁS DE 15 YA NOS CEÑIMOS A LAS EQUIVALENCIAS.

Por ejemplo “Ver la tele” en función de si veis o no series televisivas, noticias… vamos de lunes a viernes intentando recordar el tiempo que pasamos viendo la TV.

En el ítem 7 cuando nos referimos a jugar a videojuegos no activos queremos decir aquellos que no implican AF como pueden ser la wii.

En cambio la pregunta 17 en la página 5, que os pregunta sobre estas videoconsolas con movimiento y el tiempo

En el ítem 13 “estar con los amigos” también podemos incluir cuando jugamos a cartas o juegos de mesa pero siempre de forma sentada. SIEMPRE QUE SEA SEDENTARIO Y FUERA DEL INSTITUTO.

Ante cualquier duda nos preguntáis.

SIGUIENTES CUESTIONARIOS: YA MUY FÁCIL

Lo que se os pide es vuestra opinión sobre diferentes temas relacionados con la actividad física y el deporte y las clases de EF.

Leed bien las instrucciones de cada uno de los cuestionarios y sólo tenéis que rodear con un círculo la casilla que más se ajuste a vuestra opinión, sólo una respuesta para cada ítem.

Para quien no lo sepa cuando pone NEUTRAL, quiere decir que estás en un punto medio, ni te decantas por una cosa ni por otra.

En aquellos que se nos pide una cifra del 0 al 100 o marcar la opción de 1 a 7 no hace falta poner uno de los dos extremos, sino que tenemos un amplio margen de respuesta.

(Asegurarse que en la pregunta 23 no entienden repartir el 100 entre las respuestas para que sume 100)

Es importante que penséis bien la pregunta antes de contestar, pero no os quedéis atascados. Si alguna resulta más difícil, tal vez os ayude leer el resto de preguntas. No

Anexos

266

dejéis ninguna por contestar. Recordad que siempre podéis preguntarnos para entender mejor el significado.

Muy bien, a medida que vayáis finalizando nos vais entregando el cuadernillo y pasaréis por la báscula y el altímetro. Aseguraos de que habéis contestado en todas las hojas.

¡¡¡Muchísimas gracias por vuestra colaboración!!!!

Anexos

267

ANEXO 10. CARTA DE AGRADECIMIENTO AL EQUIPO DIRECTIVO DEL CENTRO

Anexos

269

ANEXO 11. EJEMPLO DE IMFORME DE RESULTADOS PARA LOS CENTROS Y FAMILIAS

Anexos

270

Anexos

271

Anexos

272

Anexos

273

la actividad fÍsica, el uso de medios tecnolÓgicos, el

Documents