Physical activity and immigrant status: evidence from the Canadian Community Health Survey.
Notice bibliographique
Résumé
BACKGROUND: The immigrant population in Canada is diverse and growing, yet little is known about their physical activity behaviour and how it changes as they adapt to a Canadian lifestyle. This study extends the surveillance of physical activity in Canada to include the influence of time since immigration within and between ethnic groups. METHODS: Pooled data from cycles 1.1 (2000/01) and 2.1 (2003) of the cross-sectional Canadian Community Health Survey (ages 20-64 y; N = 171,513) were used for this study. Weighted prevalences of self-reported leisure-time physical activity (> or = 3 kcal x kg(-1) x day(-1) (kkd)) were calculated, and unadjusted and adjusted (age, income, education, BMI) multiple logistic regression models were used to quantify the odds of being physically active (PA) (> or = 3 kkd) by time since immigration (recent immigrant < or = 10 yrs, immigrant >10 yrs, non-immigrant) within and between ethnic groups (White referent group). RESULTS: The prevalence of recent immigrants (< or = 10 yrs) being PA (> or = 3 kkd) by ethnicity was: White (21%), Other (19%), Black (19%), Latin American (17%), West Asian/Arab (16%), East/Southeast Asian (14%), South Asian (11%). Recent immigrant Black men and White women had the highest prevalence of being PA (M = 27%, F = 18%) while South Asian men and women had the lowest prevalence (M = 14%, F = 9%). There is a gradient in the prevalence of being PA with recent immigrants (16%) < immigrants (20%) < non-immigrants (24%). Ethnic differences in the prevalence of being PA by time since immigration show similar patterns for men and women. Controlling for age, income, education and BMI had only small effects on the odds of being physical active across ethnicities and immigrant status. CONCLUSION: These results suggest that physical activity levels vary according to immigrant status and self-ascribed ethnicity in Canadian adults. Strategies to promote physical activity and prevent physical inactivity should consider both ethnicity and time since immigration.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».