This study explored the effect of gender (GE) and group gender composition (GGEC) on men's and women's experiences of emotions when taking part in different games. To formulate our hypotheses we used a theoretical framework formed by the theories of Lazarus and Bisquerra on the construct of emotional competence and well-being and their relationship with gender stereotypes, Parlebas's motor action theory and previous results of empirical research related to games, emotions and gender relations. The participants (218 university students, Mage = 20.3, SD = 2.73) completed twelve sessions of individual games (IG) and cooperative games (CG). The results showed that GE and GGEC were predictors of the experience of positive emotions and that males were more likely to experience negative emotions in both games. The findings highlight gender differences and could help physical education teachers to avoid activities that reinforce the hierarchies and inequalities associated with gender and sex role stereotypes.

Este estudio exploró el efecto del género (GE) y la composición del género del grupo (CGEC) en experiencias emocionales de hombres y mujeres cuando participaron en diferentes juegos. Para formular nuestra hipótesis se hizo uso del marco teórico elaborado a partir de las teorías de Lazarus y Bisquerra en relación al constructo de la competencia emocional y el bienestar y su relación con estereotipos de género, así como la teoría de acción motriz de Parlebas y resultados previos de la investigación empírica relativa a juegos, emociones y género. Los participantes (218 estudiantes universitarios, Medad = 20.3, DT = 2.73) realizaron doce sesiones de Juegos individuales (IG) y de Juegos cooperativos (CG). Los resultados mostraron que GE y GGEC fueron predictores de la experiencia de emociones positivas y que los hombres expresaron más emociones negativas en ambos juegos. Los hallazgos muestran diferencias de género y podrían ayudar a los profesores de educación física a evitar actividades que promuevan jerarquías y desigualdades asociadas al género y a los estereotipos de sexo.

This study analyzed the effect of the variables: game type (individual or cooperative), competition, gender, students' association type and beginning-end of the session on the university students' moods. 201 Physical Education college students participated. After having received an initial instruction concerning moods, participants executed 2 sessions involving cooperative games and 2 individual games. The POMS scale was filled in both at the beginning and at the end of each session. The data were analyzed using generalized estimating equations. Among the main findings, we can point out that positive emotional states increase significantly when cooperative games are applied, with competition. Negative moods are more present in individual games, with no competition, when practiced by men and when they are organized in separate groups. All these factors contribute towards knowing the influence of play on the training of the future teachers of a modern physical education, in which there is the intention of promoting such important aspects as socioemotional well-being and co-education.

Este estudio analizó el efecto de las variables: tipo de juego (en solitario o cooperativo), competición, género, tipo de agrupación del alumnado e inicio-final de la sesión sobre los estados de ánimo de alumnado universitario. Participaron 201 estudiantes universitarios de Educación Física. Tras recibir una formación inicial sobre estados de ánimo, los participantes realizaron 2 sesiones con juegos cooperativos y 2 en solitario. Al inicio y final de cada sesión se rellenó la escala POMS. Los datos se analizaron mediante ecuaciones de estimación generalizadas. Entre los principales hallazgos destacamos que los estados de ánimo positivos aumentan significativamente al aplicar juegos cooperativos, con competición. Los estados de ánimo negativos están más presentes en los juegos en solitario, sin competición, al ser practicados por los hombres, y al estar organizados en grupos separados. Todo ello contribuye a conocer la aportación del juego en la formación de futuros docentes de una educación física moderna en la cual se pretenda promover aspectos tan importantes como el bienestar so-cioemocional y la coeducación.

Background: The prevalence of disability shows a high geographical variability and the identification of factors that could explain these variations can be usuful to the heath and social welfare planning. Here the analysis of disability variations among autonomous regions in Spain is made taking into account individual and geographical setting factors together. Methods: Data come from the Spanish Disability, Impairment and Health Status survey of 1999 and from Inebase both of the National Institute for Statistics. The prevalence of disability crude and adjusted by age was calculated for each autonomous region. Individual factors related to disability are identified by means of a logistic regression. The analysis accounting for both, individual and geographical setting factors was performed by means of a logistic regression of two levels. Results: Disability prevalence showed a maximum difference of 5.75 points among regions. In a logistic regression the region of residence was statistically significant (OR: 3.35 in the highest rated region related to the lowest) beside several individual factors: age (OR 40-64= 1,78 OR 65-79= 1,87 and OR >79= 3,34), sex (OR women= 0,66), working status (OR unemployment=2,25 OR housewife/student=1,39 y OR other=2,03), health status (OR regular= 1,69 OR bad/very bad= 2,05) and chronic diseases (OR 1-3=1,56 OR 4-6=1,82 OR >6=2,59). Individual factors accounted for a very few variance at the two levels regression model (s=0,261) and none of the regional variables improved the model. Conclusions: Individual factors do not explain enough the observed disability variations among the regions and none factor related to the geographical setting has been identified as statistically significant.

Fundamento: La prevalencia de discapacidad en la población general presenta una gran variabilidad geográfica, de manera que identificar aquellos factores que pudieran explicarla será importante para la planificación de políticas sociales. En este trabajo se analiza la variabilidad de la discapacidad por comunidades autónomas desde una doble vertiente, los factores individuales y del entorno. Métodos: Los datos proceden principalmente de la Encuesta de Discapacidad, Deficiencias y Estado de Salud de 1999 y del Inebase, ambas del Instituto Nacional de Estadística (INE). Se calculó la prevalencia de discapacidad simple y ajustada por edad de las CCAA. Se analizan los factores individuales asociados a la discapacidad mediante una regresión logística y los factores individuales y de la comunidad autónoma conjuntamente con una regresión logística de dos niveles. Resultados: La prevalencia de discapacidad muestra una diferencia máxima de 5,75 puntos entre las comunidades autónomas. En la regresión logística la comunidad de residencia fue estadísticamente significativa (OR: 3,35 en la de mayor prevalencia respecto a la de menor) junto con otras variables individuales: edad (OR de 40-64= 1,78 OR de 65-79= 1,87 y OR de >79= 3,34), sexo (OR mujer= 0,66), situación laboral (OR sin trabajo=2,25 OR amas casa/estudiante=1,39 y OR otros=2,03), estado de salud (OR regular= 1,69 OR malo/muy malo= 2,05) y enfermedades crónicas (OR 1-3=1,56 OR4-6=1,82 OR>6=2,59). En la regresión de dos niveles las variables individuales explican poca varianza (s=0,261) y ninguna de las variables relativas a las CCAA mejora el modelo. Conclusiones: Las características individuales no explican suficientemente la variabilidad de la discapacidad entre CCAA y no se han identificado variables del entorno que sean significativas.

Background: The prevalence of disability shows a high geographical variability and the identification of factors that could explain these variations can be usuful to the heath and social welfare planning. Here the analysis of disability variations among autonomous regions in Spain is made taking into account individual and geographical setting factors together. Methods: Data come from the Spanish Disability, Impairment and Health Status survey of 1999 and from Inebase both of the National Institute for Statistics. The prevalence of disability crude and adjusted by age was calculated for each autonomous region. Individual factors related to disability are identified by means of a logistic regression. The analysis accounting for both, individual and geographical setting factors was performed by means of a logistic regression of two levels. Results: Disability prevalence showed a maximum difference of 5.75 points among regions. In a logistic regression the region of residence was statistically significant (OR: 3.35 in the highest rated region related to the lowest) beside several individual factors: age (OR 40-64= 1,78 OR 65-79= 1,87 and OR >79= 3,34), sex (OR women= 0,66), working status (OR unemployment=2,25 OR housewife/student=1,39 y OR other=2,03), health status (OR regular= 1,69 OR bad/very bad= 2,05) and chronic diseases (OR 1-3=1,56 OR 4-6=1,82 OR >6=2,59). Individual factors accounted for a very few variance at the two levels regression model (s=0,261) and none of the regional variables improved the model. Conclusions: Individual factors do not explain enough the observed disability variations among the regions and none factor related to the geographical setting has been identified as statistically significant.

Fundamento: La prevalencia de discapacidad en la población general presenta una gran variabilidad geográfica, de manera que identificar aquellos factores que pudieran explicarla será importante para la planificación de políticas sociales. En este trabajo se analiza la variabilidad de la discapacidad por comunidades autónomas desde una doble vertiente, los factores individuales y del entorno. Métodos: Los datos proceden principalmente de la Encuesta de Discapacidad, Deficiencias y Estado de Salud de 1999 y del Inebase, ambas del Instituto Nacional de Estadística (INE). Se calculó la prevalencia de discapacidad simple y ajustada por edad de las CCAA. Se analizan los factores individuales asociados a la discapacidad mediante una regresión logística y los factores individuales y de la comunidad autónoma conjuntamente con una regresión logística de dos niveles. Resultados: La prevalencia de discapacidad muestra una diferencia máxima de 5,75 puntos entre las comunidades autónomas. En la regresión logística la comunidad de residencia fue estadísticamente significativa (OR: 3,35 en la de mayor prevalencia respecto a la de menor) junto con otras variables individuales: edad (OR de 40-64= 1,78 OR de 65-79= 1,87 y OR de >79= 3,34), sexo (OR mujer= 0,66), situación laboral (OR sin trabajo=2,25 OR amas casa/estudiante=1,39 y OR otros=2,03), estado de salud (OR regular= 1,69 OR malo/muy malo= 2,05) y enfermedades crónicas (OR 1-3=1,56 OR4-6=1,82 OR>6=2,59). En la regresión de dos niveles las variables individuales explican poca varianza (s=0,261) y ninguna de las variables relativas a las CCAA mejora el modelo. Conclusiones: Las características individuales no explican suficientemente la variabilidad de la discapacidad entre CCAA y no se han identificado variables del entorno que sean significativas.

Objective: To provide an overview of decision trees based on CART (Classification and Regression Trees) methodology. As an example, we developed a CART model intended to estimate the probability of intrahospital death from acute myocardial infarction (AMI). Method: We employed the minimum data set (MDS) of Andalusia, Catalonia, Madrid and the Basque Country (2001-2002), which included 33,203 patients with a diagnosis of AMI. The 33,203 patients were randomly divided (70% and 30%) into the development (DS; n = 23,277) and the validation (VS; n = 9,926) sets. The CART inductive model was based on Breiman's algorithm, with a sensitivity analysis based on the Gini index and cross-validation. We compared the results with those obtained by using both logistic regression (LR) and artificial neural network (ANN) (multilayer perceptron) models. The developed models were contrasted with the VS and their properties were evaluated with the area under the ROC curve (AUC) (95% confidence interval [CI]). Results: In the DS, the CART showed an AUC = 0.85 (0.86-0.88), LR 0.87 (0.86-0.88) and ANN 0.85 (0.85-0.86). In the VS, the CART showed an AUC = 0.85 (0.85-0.88), LR 0.86 (0.85-0.88) and ANN 0.84 (0.83-0.86). Conclusions: None of the methods tested outperformed the others in terms of discriminative ability. We found that the CART model was much easier to use and interpret, because the decision rules generated could be applied without the need for mathematical cal

Objetivo: : Realizar una aproximación a la metodología de árboles de decisión tipo CART (Classification and Regression Trees) desarrollando un modelo para calcular la probabilidad de muerte hospitalaria en infarto agudo de miocardio (IAM). Método: Se utiliza el conjunto mínimo básico de datos al alta hospitalaria (CMBD) de Andalucía, Cataluña, Madrid y País Vasco de los años 2001 y 2002, que incluye los casos con IAM como diagnóstico principal. Los 33.203 pacientes se dividen aleatoriamente (70 y 30 %) en grupo de desarrollo (GD = 23.277) y grupo de validación (GV = 9.926). Como CART se utiliza un modelo inductivo basado en el algoritmo de Breiman, con análisis de sensibilidad mediante el índice de Gini y sistema de validación cruzada. Se compara con un modelo de regresión logística (RL) y una red neuronal artificial (RNA) (multilayer perceptron). Los modelos desarrollados se contrastan en el GV y sus propiedades se comparan con el área bajo la curva ROC (ABC) (intervalo de confianza del 95%). Resultados: En el GD el CART con ABC = 0,85 (0,86-0,88), RL 0,87 (0,86-0,88) y RNA 0,85 (0,85-0,86). En el GV el CART con ABC = 0,85 (0,85-0,88), RL 0,86 (0,85-0,88) y RNA 0,84 (0,83-0,86). Conclusiones: Los 3 modelos obtienen resultados similares en su capacidad de discriminación. El modelo CART ofrece como ventaja su simplicidad de uso y de interpretación, ya que las reglas de decisión que generan pueden aplicarse sin necesidad de procesos matemáticos.

Objective: To provide an overview of decision trees based on CART (Classification and Regression Trees) methodology. As an example, we developed a CART model intended to estimate the probability of intrahospital death from acute myocardial infarction (AMI). Method: We employed the minimum data set (MDS) of Andalusia, Catalonia, Madrid and the Basque Country (2001-2002), which included 33,203 patients with a diagnosis of AMI. The 33,203 patients were randomly divided (70% and 30%) into the development (DS; n = 23,277) and the validation (VS; n = 9,926) sets. The CART inductive model was based on Breiman's algorithm, with a sensitivity analysis based on the Gini index and cross-validation. We compared the results with those obtained by using both logistic regression (LR) and artificial neural network (ANN) (multilayer perceptron) models. The developed models were contrasted with the VS and their properties were evaluated with the area under the ROC curve (AUC) (95% confidence interval [CI]). Results: In the DS, the CART showed an AUC = 0.85 (0.86-0.88), LR 0.87 (0.86-0.88) and ANN 0.85 (0.85-0.86). In the VS, the CART showed an AUC = 0.85 (0.85-0.88), LR 0.86 (0.85-0.88) and ANN 0.84 (0.83-0.86). Conclusions: None of the methods tested outperformed the others in terms of discriminative ability. We found that the CART model was much easier to use and interpret, because the decision rules generated could be applied without the need for mathematical cal.

Objetivo: : Realizar una aproximación a la metodología de árboles de decisión tipo CART (Classification and Regression Trees) desarrollando un modelo para calcular la probabilidad de muerte hospitalaria en infarto agudo de miocardio (IAM). Método: Se utiliza el conjunto mínimo básico de datos al alta hospitalaria (CMBD) de Andalucía, Cataluña, Madrid y País Vasco de los años 2001 y 2002, que incluye los casos con IAM como diagnóstico principal. Los 33.203 pacientes se dividen aleatoriamente (70 y 30 %) en grupo de desarrollo (GD = 23.277) y grupo de validación (GV = 9.926). Como CART se utiliza un modelo inductivo basado en el algoritmo de Breiman, con análisis de sensibilidad mediante el índice de Gini y sistema de validación cruzada. Se compara con un modelo de regresión logística (RL) y una red neuronal artificial (RNA) (multilayer perceptron). Los modelos desarrollados se contrastan en el GV y sus propiedades se comparan con el área bajo la curva ROC (ABC) (intervalo de confianza del 95%). Resultados: En el GD el CART con ABC = 0,85 (0,86-0,88), RL 0,87 (0,86-0,88) y RNA 0,85 (0,85-0,86). En el GV el CART con ABC = 0,85 (0,85-0,88), RL 0,86 (0,85-0,88) y RNA 0,84 (0,83-0,86). Conclusiones: Los 3 modelos obtienen resultados similares en su capacidad de discriminación. El modelo CART ofrece como ventaja su simplicidad de uso y de interpretación, ya que las reglas de decisión que generan pueden aplicarse sin necesidad de procesos matemáticos.