Neighborhood Environment and Psychosocial Correlates of Adults’ Physical Activity
Notice bibliographique
Résumé
BACKGROUND: There is growing interest in identifying neighborhood environment factors related to physical activity. PURPOSE: This study aimed to examine whether objective built (e.g., residential density) and perceived (e.g., aesthetics) environment factors around adults' residence are correlates of their physical activity and reported walking behavior after accounting for known psychosocial (e.g., self-efficacy, barriers to physical activity) and demographic correlates of physical activity. METHODS: Objective built environment characteristics were created through network buffers around individual participants (n = 2199) selected from neighborhoods differing on walkability characteristics and household income. Participants wore accelerometers to obtain a more objective measure of overall physical activity and self-reported on leisure and transportation-related walking, perceptions of neighborhood environment, psychosocial factors related to physical activity, and demographic factors. Census-level demographic factors were also considered. RESULTS: Retail floor area ratio, a metric combining land use mix and pedestrian design factors, was the environmental factor most related to accelerometry-measured physical activity and self-reported transportation-related walking after accounting for psychosocial and demographic factors. Street connectivity was also related to transportation-related walking, whereas perceived aesthetics was positively related to leisure walking. CONCLUSIONS: Environmental factors, particularly the availability of proximal nonresidential destinations designed for pedestrian access, were related to adults' physical activity and walking after accounting for psychosocial and demographic correlates, including reasons for residential selection.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,005 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».