Contribution of Neighborhood Income and Access to Quality Physical Activity Resources to Physical Activity in Ethnic Minority Women over Time
Notice bibliographique
Résumé
PURPOSE: To create and test an index to indicate both availability and quality of physical activity (PA) resources (PARs), to examine associations between access to quality PARs and changes in PA, and to determine whether this association differed in lower- and higher-income neighborhoods. DESIGN: Longitudinal, 6-month intervention. SETTING: Houston and Austin, Texas. SUBJECTS: African-American and Hispanic or Latina women. MEASURES: Women (N = 410) completed a questionnaire and accelerometry to measure PA. Neighborhoods (N = 163) were classified as lower- or higher-income by median household income at the census-tract level. PARs were audited using the PARA (physical activity resource assessment). Access to quality PARs was determined by a composite index (QPAR) of features, amenities, and incivilities. ANALYSIS: Repeated measures analyses of variance were used to examine changes in PA by (1) neighborhood income (lower/higher) and QPAR (lower/higher) groups, and (2) neighborhood income (lower/higher) and number of PARs (lower/higher) groups, adjusting for ethnicity, household income, and body mass index. RESULTS: Women in neighborhoods with lower QPAR scores had small increases in self-reported vigorous PA (M Δ = 327.8 metabolic equivalent of task [MET]-min/wk) and decreases in accelerometer PA (M = -3.4 min/d), compared to those with higher QPAR scores who had larger increases in self-reported vigorous PA (M Δ = 709.8 MET-min/wk) and increased accelerometer PA (M = 3.9 min/d). There was a significant interaction between changes in leisure-time PA, QPAR score, and number of PARs (p = .049). Women with both more PARs and higher QPAR scores reported greater increases in leisure-time PA than women with fewer PARs and lower QPAR scores. CONCLUSION: Access to higher-quality PARs can help increase or maintain PA over time regardless of neighborhood income. PAR quality is a separate and distinct, important determinant of PA in ethnic minority women.
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 | 0,000 | 0,002 |
| 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 | 0,000 |
| 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) | 0,001 | 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 ».