Exploring GIS as a Novel Approach to Measuring Distances to Activity Opportunities
Notice bibliographique
Résumé
0513 PURPOSE: To determine the predictive value of continuous data provided by Geographic Information Systems (GIS) distances from participants' residences on physiologic outcomes and their relationships between the environmental opportunities for activity. METHODS: The 242 subjects were from a registry of adults 55yrs and older, living in the London area who agreed to participate in an activity program. We included participants who lived less than 4000 meters of any of the available 11 physical activity opportunity (PAO) GIS distances. Baseline physiologic outcomes were used. Multivariate stepwise linear regression modeling was used within three PAO density modes between 300m (close), 300 to 1000m (mid), and over 1000m(far). At times these overlapped when modeling. RESULTS: Multiple correlations of all distances with and without the dependent variables were significantly correlated with each other (Mean(r) = 0.533, .330–.809), suggesting redundancy amongst some individual opportunities. The greatest PAO density was consistently less than 2Km from each resident. Also a pattern of PAO type fell into three density modes used in the modeling to direct explainable variance. “Close” (less than 300m) models included bike and multi-use paths, and parks; “Mid” (300–1000m) models included health clubs, baseball, and tennis; “Far” (over 1000m) models include soccer, dance studios, and golf. Interaction variables were bike*multi and dance*golf. Overall the best models available only provide R2 of 20% or less. The combined distances reduced the redundant information, increasing the explainable variance. A direct relationship between the continuous GIS measures and the outcomes was however not significant. CONCLUSIONS: Given the evidence from the literature and information from our data indicating relatively strong relationships between PAO distance and physiological outcomes, our current hypothesis that there are direct predictors available using the GIS continuous measures is unconfirmed. The challenge of including this novel measure with the traditional categorical descriptions of our target relationships requires additional investigation before we can include it in methodologies of determining and promoting activity older adults.
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 | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».