Neighbourhood differences in objectively measured physical activity, sedentary time and body mass index
Notice bibliographique
Résumé
Background: There is limited Canadian research examining whether directly measured physical activity (PA) and body mass index (BMI) differ between neighbourhoods with different objectively measured socioeconomic (SES) and recreation (REC) environments. Purpose: To determine whether mean adult PA levels, sedentary time and BMIs were different across four neighbourhoods with contrasting SES and REC environments in Ottawa, Canada. Methods: This study employed a cross-sectional design to collect pilot data of objectively measured height, weight and PA (using accelerometry) and self-reported covariates in 113 adults (≥18 years). Four contrasting neighbourhoods (high REC/high SES, high REC/low SES, low REC/high SES, and low REC/low SES) were selected based on data collected as part of the Ottawa Neighbourhood Study. Analysis of covariance and logistic regression were used to perform neighbourhood comparisons for PA, sedentary time and BMI, adjusting for age, sex and household income and possible interactions. Post-hoc comparisons using Tukey’s test were performed. Results: Significant neighbourhood-group effects were observed for light intensity PA and sedentary time. Post-hoc tests identified that the low REC/high SES neighbourhood had significantly more minutes of light PA than the low REC/low SES (Mdiff = 56.05 minutes·day, Tukey p = 0.01). Unadjusted BMI differed between the four neighbourhoods, but the differences were not significant after controlling for age, sex and household income. Conclusions: This study demonstrates that light PA and sedentary time differ between neighbourhoods of varying REC and SES environments after controlling for differences in age, sex and household income. Findings also suggest that other area-level factors may explain these neighbourhood differences.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 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 ».