编辑推荐：
研究人员探究幼儿身体素质（PF）和运动能力（MC）对抑制控制（IC）的预测作用，发现 MC 与 IC 关联更强，为幼儿认知发展干预提供依据。
在孩子的成长过程中，学前阶段就像一座重要的基石，对他们未来的发展有着深远的影响。在这个时期，孩子们的大脑就像一块海绵，快速地吸收着各种知识，他们的各项能力也在迅速发展。其中，抑制控制（IC）能力尤为关键，它就像是大脑的 “交通警察”，能让孩子们控制自己的行为、想法和情绪，抑制那些不恰当的反应，从而更好地适应周围的环境。比如在课堂上，抑制控制能力强的孩子能够集中注意力听讲，不被周围的事物干扰；在游戏中，他们也能遵守规则，与小伙伴们友好相处。
同时，学前阶段也是培养幼儿身体素质（PF）和运动能力（MC）的黄金时期。身体素质代表着孩子进行日常活动的能力，是身心健康的重要指标；运动能力则是指孩子协调基本运动技能的熟练程度，像跑、跳、扔球等动作都离不开它。然而，目前关于 PF 和 MC 与 IC 之间的关系，还存在许多未解之谜。虽然之前有一些研究关注过这方面，但大多集中在儿童和青少年群体，对于学前儿童的研究相对较少。而且，现有的研究也没有同时考察 PF、MC 和 IC 之间的相互联系。为了填补这些空白，来自 Tekirda? Nam?k Kemal 大学等机构的研究人员展开了一项重要的研究，该研究成果发表在《BMC Pediatrics》杂志上。
研究人员采用了横断面研究的方法，从一所公立幼儿园招募了 139 名 4 - 6 岁的儿童（78 名男孩和 61 名女孩）参与研究。在研究过程中，孩子们需要完成一系列有趣又具有挑战性的测试。比如，在 Go/No - Go 测试中，孩子们要通过 iPad 上显示的鱼和鲨鱼的图案来做出相应的反应，看到鱼就触摸屏幕，看到鲨鱼则不能触摸，这个测试可以评估他们的抑制控制能力；K?rperkoordinationstest für Kinder（KTK3 +）测试包括跳跃、侧向移动、平衡和手眼协调等任务，用于衡量孩子们的运动能力；此外，还有静态和动态平衡测试、敏捷性测试以及反向跳跃（CMJ）测试等，这些测试从不同方面评估了孩子们的身体素质。
研究结果显示，在参与研究的儿童中，男孩和女孩在身高、体重、某些运动能力任务和抑制控制任务上存在一定差异。比如，女孩在静态平衡和 “Go/No - Go” 测试中 “无 Go” 的准确性上表现更好，而男孩在手眼协调任务上得分更高。在探究 PF、MC 与 IC 之间的关系时，研究发现，运动能力测试得分（MCT）与 “Go” 试验中的正确反应次数（AC（Go））以及 “无 Go” 试验中的正确反应次数（AC（No Go））呈正相关，这意味着运动能力越强的孩子，在抑制控制任务中的表现可能越好；同时，MCT 与反应时间（RT）呈负相关，即运动能力强的孩子反应速度更快。而在身体素质指标方面，只有静态平衡与 AC（Go）呈正相关，与 RT 呈负相关；敏捷性则与 AC（Go）呈负相关。进一步分析发现，MCT 得分存在一个阈值 177.321，当 MCT 得分低于这个阈值时，AC（Go）会随着 MCT 得分的增加而增加，当 MCT 得分高于这个阈值时，AC（Go）水平则不再变化。此外，研究还发现身体素质 T 分数（PFT）与 IC 变量之间没有显著的统计学关系。
从这些结果可以看出，MC 与 IC 之间存在着紧密的联系，相比一般的 PF，MC 对学前儿童 IC 的同期水平影响更大。这一发现具有重要的意义，它表明通过有针对性地提升学前儿童的 MC，可能有助于支持他们的认知功能发展。例如，可以设计一些专门的运动课程，帮助孩子们提高运动能力，进而促进他们抑制控制能力的提升，为未来的学习和生活打下坚实的基础。然而，该研究也存在一些局限性。比如，研究采用的是横断面研究设计，样本量相对较小，这可能会影响研究结果的普遍性；研究过程中虽然控制了一些潜在的混杂因素，但儿童的身体活动水平等因素未被充分考虑和控制；而且研究中计算的 T 分数是基于特定样本得出的，不适用于国际间的比较。
总的来说，这项研究为我们揭示了学前儿童 PF、MC 与 IC 之间的关系，让我们对孩子的成长发育有了更深入的认识。尽管研究还存在一些不足，但它为后续的研究指明了方向。未来，研究人员可以开展更大样本量的纵向研究，进一步探索这些因素之间的因果关系和长期影响，同时建立通用的标准，以便更可靠地比较不同人群的情况。这样的研究对于促进学前儿童的全面发展具有重要的推动作用，有望为幼儿教育和健康领域带来更多有益的启示。
在研究方法上，研究人员首先通过多所幼儿园邀请招募 4 - 6 岁儿童作为样本，确定 139 名符合条件的儿童参与研究。然后使用多种标准化测试评估儿童的身体成分、抑制控制、运动能力和身体素质。在数据处理时，先对数据进行正态性和异常值筛查，再将各项指标分数转化为标准分数，运用线性回归模型和分类回归分析等统计方法，探究各变量之间的关系。
