The relationship between a short measure of health status and physical activity in a workplace population
Notice bibliographique
Résumé
Many interventions promoting physical activity (PA) are effective in preventing disease onset, and although studies have found a positive relationship between health-related quality of life (HRQL) and PA, most of these studies have focused on older adults and those with chronic conditions. Less is known regarding the association between PA level and HRQL among healthy adults. Our objective was to analyse the relationship between PA level and HRQL among a sample of 573 employees aged 20-68 taking part in a workplace intervention to promote PA. Measures included HRQL (using a single item) and PA (i.e. Godin Leisure-Time Questionnaire). The Modified Canadian Aerobic Fitness Test (MCAFT) was also completed by 10% of the employees. MET-minute scores (assessing energy expenditure over one week) were compared across HRQL categories using ANOVA. A multiple linear regression analysis was conducted to further examine the relationship between HRQL and PA, controlling for potential covariates. Participants in the higher health status categories were found to report higher levels of energy expenditure (one-way ANOVA, p < 0.001). In the multiple linear regression model, each unit increase in health status level translated in a mean increase of 356 MET-minutes in energy expenditure (p < 0.001). This single-item assessment of health status explained six percent of the variance in energy expenditure. The study concludes that higher energy expenditure through PA among an adult workplace population is positively associated with increased health status, and it also suggests that a single-item HRQL measure is suitable for community- and population-based studies, reducing response burden and research costs.
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 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».