Neighborhood walkability: Differential associations with self-reported transport walking and leisure-time physical activity in Canadian towns and cities of all sizes
Notice bibliographique
Résumé
OBJECTIVE: To estimate associations between walkability and physical activity during transportation and leisure in a national-level population. METHODS: Walkability was measured by Walk Score® (2012-2014) and physical activity by the Canadian Community Health Survey (2007-2012) for urban participants who worked or attended school. Multiple linear regression was done on the total study population, four age subgroups (12-17, 18-29, 30-64, 65+) and three population center subgroups (1000-29,999, 30,000-99,999, 100,000+). RESULTS: 151,318 respondents were examined. Comparing highest to lowest Walk Score® quintiles, covariate-adjusted energy expenditure on transport walking [95% confidence interval] was 0.17 [0.15, 0.18] kcal/kg/day higher in the total study population, and significantly higher in all age and population center subgroups. Leisure physical activity was lower in the age 18-29 subgroup (-0.28 [-0.43, -0.12]) and population centers 100,000+ subgroup (-0.10 [-0.18, -0.03]), but higher in the population centers 1000-29,999 subgroup (0.30 [0.12, 0.48]). Total physical activity was higher in the following subgroups: age 30-64 (0.19 [0.12, 0.26]), population centers 100,000+ (0.12 [0.04, 0.19]) and population centers 1000-29,999 (0.40 [0.20, 0.59]). CONCLUSIONS: Walkability is associated with transport walking in all age groups and towns and cities of all sizes. Walkability's inverse associations with leisure physical activity among young adults and in large population centers may offset energy expenditure gains, while positive associations with leisure physical activity in small centers may add to energy expenditure.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».