Sense of community-belonging and health-behaviour change in Canada
Notice bibliographique
Résumé
BACKGROUND: Research indicates that primary prevention targeting individual behaviours should incorporate contextual factors. The objectives of this study are to examine the role of community-belonging and contextual factors on health-behaviour change in Canada, and whether the influence of community-belonging on behaviour change varies by specific types of behaviours and contextual factors. METHODS: Data on individual-level community-belonging, socio-demographics and self-rated health were obtained for 119 693 respondents from the 2007/2008 Canadian Community Health Survey located within 100 health regions across Canada. Contextual factors were based on health-region groupings of socio-economic determinants of health. Multilevel models were used to estimate the influence of community-belonging and health-region contextual factors on general, and specific, health-behaviour changes in the past year. RESULTS: After controlling for individual and contextual factors, community-belonging showed a positive dose-response relationship with health-behaviour change. Health-region contextual factors were only slightly associated with behaviour change; however, the influence of community-belonging on behaviour change showed significant variability based on health-region contextual factors. The influence of community-belonging also varied by specific health-behaviour changes, but for most prominent health behaviours (exercise, weight loss and improved diet) the effect was consistent. CONCLUSIONS: Community-belonging was strongly related to health-behaviour change in Canada and may be an important component of population health prevention strategies. Efforts to increase community-belonging, however, need to be considered along with contextual factors.
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 | 0,051 | 0,007 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,005 |
| 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 ».