Intensity-Specific Leisure-Time Physical Activity and The Built Environment Among Brazilian Adults: A Best-Fit Model
Notice bibliographique
Résumé
BACKGROUND: There is little understanding about which sets of environmental features could simultaneously predict intensity-specific leisure-time physical activity (LTPA) among Brazilians. The objectives were to identify the environmental correlates for intensity-specific LTPA, and to build the best-fit linear models to predict intensity-specific LTPA among adults of Curitiba, Brazil. METHODS: Cross sectional study in Curitiba, Brazil (2009, n = 1461). The International Physical Activity Questionnaire and Abbreviated Neighborhood Environment Assessment Scale were used. Ninety-two perceived environment variables were categorized in 10 domains. LTPA was classified as walking for leisure (LWLK), moderate-intensity leisure-time PA (MLPA), vigorous-intensity leisure-time PA (VLPA), and moderate-to-vigorous intensity leisure-time PA (MVLPA). Best fitting linear predictive models were built. RESULTS: Forty environmental variables were correlated to at least 1 LTPA outcome. The variability explained by the 4 best-fit models ranged from 17% (MLPA) to 46% (MVLPA). All models contained recreation areas and aesthetics variables; none included residential density predictors. At least 1 neighborhood satisfaction variable was present in each of the intensity-specific models, but not for overall MVLPA. CONCLUSIONS: This study demonstrates the simultaneous effect of sets of perceived environmental features on intensity-specific LTPA among Brazilian adults. The differences found compared with high-income countries suggest caution in generalizing results across settings.
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 | 0,008 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».