A cluster analysis of patterns of objectively measured physical activity in Hong Kong
Notice bibliographique
Résumé
OBJECTIVE: The health benefits of exercise are clear. In targeting interventions it would be valuable to know whether characteristic patterns of physical activity (PA) are associated with particular population subgroups. The present study used cluster analysis to identify characteristic hourly PA patterns measured by accelerometer. DESIGN: Cross-sectional design. SETTING: Objectively measured PA in Hong Kong adults. SUBJECTS: Four-day accelerometer data were collected during 2009 to 2011 for 1714 participants in Hong Kong (mean age 44?2 years, 45?9% male). RESULTS: Two clusters were identified, one more active than the other. The ‘active cluster’ (n 480) was characterized by a routine PA pattern on weekdays and a more active and varied pattern on weekends; the other, the ‘less active cluster’ (n 1234), by a consistently low PA pattern on both weekdays and weekends with little variation from day to day. Demographic, lifestyle, PA level and health characteristics of the two clusters were compared. They differed in age, sex, smoking, income and level of PA required at work. The odds of having any chronic health conditions was lower for the active group (adjusted OR50?62, 95% CI 0?46, 0?84) but the two groups did not differ in terms of specific chronic health conditions or obesity. CONCLUSIONS: Implications are drawn for targeting exercise promotion programmes at the population level.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».