MétaCan
Menu
Retour à la cohorte
Enregistrement W2051553949 · doi:10.1177/0013916513510399

Effect of Weather, School Transport, and Perceived Neighborhood Characteristics on Moderate to Vigorous Physical Activity Levels of Adolescents From Two European Cities

2013· article· en· W2051553949 sur OpenAlexaff
Alberto Aibar Solana, Julien Bois, Eduardo Generelo, Enrique Garcíá Bengoechea, Thierry Paillard, Javier Zaragoza Casterad

Notice bibliographique

RevueEnvironment and Behavior · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensMcGill University
Organismes subventionnairesGobierno de Aragón
Mots-clésPhysical activityWalkabilityPrecipitationGeographyPerceptionMultilevel modelPsychologyDemographyEnvironmental scienceMeteorologyMedicinePhysical therapyMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

The main goal of this study is to analyze the influence of several environmental factors (temperature, precipitation, mode and duration of school transport, perception of physical activity [PA] opportunities, and perceived neighborhood walkability) on adolescent’s daily moderate to vigorous physical activity (MVPA) levels of two European mid-sized cities. Data were collected from a sample of 829 adolescents (49.7% Spanish; 55.2% females; 14.33 ± 0.73 years). Daily meteorological data were collected for the valid days for each subject and MVPA levels were assessed with Actigraph GT3X accelerometer during seven consecutive days. Data were analyzed using multilevel modeling. Warmer weather ( p < .01), lower levels of precipitation ( p < .05), and use of active school transport ( p < .05) were significantly associated with higher MVPA levels. Environmental neighborhood perception did not show significant influence. Further efforts should be carried out to increase PA opportunities during colder periods, rainy days, and to promote the use of active transport

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,263
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and BehaviorMême sujetUrban Transport and AccessibilityTravaux en français237 207