MétaCan
Menu
Retour à la cohorte
Enregistrement W2058842580 · doi:10.1249/01.mss.0000227639.83607.4d

Neighborhood Environment Walkability Scale

2006· article· en· W2058842580 sur OpenAlexaff
Ester Cerin, Brian E. Saelens, James F. Sallis, Lawrence D. Frank

Notice bibliographique

RevueMedicine & Science in Sports & Exercise · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Heart, Lung, and Blood Institute
Mots-clésWalkabilityRecreationSample (material)Socioeconomic statusScale (ratio)Confirmatory factor analysisPsychologyApplied psychologyDestinationsBuilt environmentMultilevel modelGeographyTransport engineeringEnvironmental healthStructural equation modelingTourismStatisticsMedicineMathematicsEngineeringCartography

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The aim of this study was to examine the factorial and criterion validity of the Neighborhood Environment Walkability Scale (NEWS) and to develop an abbreviated version (NEWS-A). METHODS: A stratified two-stage cluster sample design was used to recruit 1286 adults. The sample was drawn from residential addresses within eight high- and eight low-walkable neighborhoods matched for socioeconomic status. Subjects completed the NEWS and reported weekly minutes of walking for transport and recreation using items from the International Physical Activity Questionnaire. RESULTS: Multilevel confirmatory factor analysis was used to develop measurement models of the NEWS and NEWS-A. Six individual-level and five blockgroup-level factors were identified. Factors/scales gauging presence of diversity of destinations, residential density, walking infrastructure, aesthetics, traffic safety, and crime were positively related to walking for transport. Aesthetics, mixed destinations, and residential density were associated with walking for recreation. CONCLUSIONS: The NEWS and NEWS-A possess adequate levels of factorial and criterion validity. Alternative methods of scoring for different purposes are presented.

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)0,002
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,011
Tête enseignante GPT0,268
Écart entre enseignants0,257 · 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
GenreMéthodes

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

En bref

Citations812
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicine & Science in Sports & ExerciseMême sujetUrban Transport and AccessibilityTravaux en français237 207