Musculoskeletal Fitness and Weight Gain in Canada
Notice bibliographique
Résumé
BACKGROUND: Obesity is a growing health issue in Canada, and identifying the determinants of weight gain is important for the development of appropriate prevention strategies. PURPOSE: To quantify the association between musculoskeletal fitness (MSF) and subsequent weight gain and development of obesity. METHODS: The sample included 606 participants (20-69 yr; 291 men, 315 women) from the Physical Activity Longitudinal Study (PALS), a follow-up of participants from the 1981 Canadian Fitness Survey. Standardized assessments of height, weight, MSF (push-ups, sit-ups, grip strength, and trunk flexibility), and cardiorespiratory fitness were made at baseline (1981). Follow-up data on self-reported height and weight and body mass index (BMI) were collected by survey in 2002-2004. Logistic regression was used to predict obesity and weight gain of > or = 10 kg between 1981 and 2002-2004. RESULTS: During the 20-yr follow-up, the prevalence of obesity (BMI > or = 30 kg.m(-2)) increased from 3.1 to 15.2%, reflecting a mean weight gain of 7.4 kg (men: 6.7 kg; women: 8.1 kg). Further, independent of age, sex, baseline BMI, physical activity, cardiorespiratory fitness, smoking, alcohol consumption, and income, low MSF was associated with significantly higher odds of having gained at least 10 kg during follow-up (OR: 1.78, 95% CI: 1.14-2.79). CONCLUSIONS: The results indicate that MSF is a significant predictor of weight gain during a 20-yr period. Promoting participation in activities that enhance MSF may be beneficial in attenuating age-related weight gain and in preventing obesity among Canadians.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».