Distinct trajectories of leisure time physical activity and predictors of trajectory class membership: a 22 year cohort study
Notice bibliographique
Résumé
UNLABELLED: or BACKGROUND: Prospective studies linking social factors to long term patterns of physical activity are lacking. In this 22 year longitudinal study, we seek to identify long term patterns of involvement in leisure time physical activity (LTPA), and explore socioeconomic and demographic predictors of distinct LTPA trajectories. METHODS: Among 2102 individuals aged 18-60 years in 1981 who participated in the 1981 Canada Fitness Survey/1988 Campbell's Survey of Well-Being, 1186 (56.4%) completed questionnaires for the 2002/04 follow-up. Complete data on LTPA at all 3 surveys were available for 884 participants. Latent class growth analysis was used to identify major classes of LTPA trajectories; predictors of class membership were identified using polytomous logistic regression. RESULTS: Four latent classes were identified: inactive, increasers, active, and decreasers (53%, 26%, 12%, and 9% of participants, respectively). Women, older participants, those with lower household income, and with lower educational attainment, were significantly less likely to follow active (Vs. inactive) trajectories of LTPA. Disadvantaged groups with respect to education and income were also significantly more likely to follow decreasing (Vs. active) trajectories. CONCLUSION: There is a need for continued efforts to increase overall population levels of LTPA, particularly among socially disadvantaged groups with respect to income and education, who are most likely to experience unfavorable trajectories of LTPA.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».