Relationships Between Neighborhoods, Physical Activity, and Obesity: A Multilevel Analysis of a Large Canadian City
Notice bibliographique
Résumé
In Canada, there is limited research examining the associations between objectively measured neighborhood environments and physical activity (PA) and obesity. The purpose of this study was to determine the relationships between variables from built and social environments and PA and overweight/obesity across 86 Ottawa, Canada neighborhoods. Individual-level data including self-reported leisure-time PA (LTPA), height, and weight were examined in a sample of 4,727 adults from four combined cycles (years 2001/03/05/07) of the Canadian Community Health Survey (CCHS). Data on neighborhood characteristics were obtained from the Ottawa Neighbourhood Study (ONS); a large study of neighborhoods and health in Ottawa, Canada. Binomial multivariate multilevel models were used to examine the relationships between environmental and individual variables with LTPA and overweight/obesity using survey weights in men and women separately. Within the sample, ~75% of the adults were inactive (<3.0 kcal/kg/day) while half were overweight/obese. Results of the multilevel models suggested that for females greater park area was associated with increased odds of LTPA and overweight/obesity. Greater neighborhood density of convenience stores and fast food outlets were associated with increased odds of females being overweight/obese. Higher crime rates were associated with greater odds of LTPA in males, and lower odds of male and female overweight/obesity. Season was significantly associated with PA in men and women; the odds of LTPA in winter months were half that of summer months. Findings revealed that park area, crime rates, and neighborhood food outlets may have different roles with LTPA and overweight/obesity in men and women and future prospective studies are needed.
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 | 0,001 | 0,000 |
| 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 ».