Environmental Correlates of Physical Activity Among Individuals With Diabetes in the Rural Midwest
Notice bibliographique
Résumé
OBJECTIVE: To determine the relationship between physical and social environment attributes and levels of physical activity in a population-based sample of diabetic individuals living in rural areas. RESEARCH DESIGN AND METHODS: Cross-sectional telephone survey data from rural communities of southeastern Missouri, Tennessee, and Arkansas were used. Logistic regression was used to calculate crude and adjusted prevalence odds ratios (PORs) and 95% CIs. RESULTS: A total of 278 (11%) individuals with diabetes were identified. Almost 37% of this group reported no leisure-time physical activity. Individuals with diabetes who reported regular physical activity were more likely to report better general health status, normal BMI, and no physical impairment. After adjustment, regular activity was positively associated with use of three or more facilities (POR 14.3, 95% CI 3.0-67.3) in the past 30 days, the availability of many nearby places to walk (2.3, 1.1-4.8), the availability of shoulders on streets (2.4, 1.3-4.5), often walking to nearby places (4.1, 2.0-8.3), and rating the community for physical activity as generally pleasant (2.3, 1.1-4.8). Additionally, the regular activity group was more likely to report their physician had helped make a plan to increase physical activity (2.8, 1.3-5.8) and followed up on their plan (2.2, 1.1-4.4). Social environment variables were not associated with physical activity after adjustment. CONCLUSIONS: Physical inactivity is a significant problem in rural diabetic populations. We have identified aspects of the social and physical environment that are positively associated with physical activity. Understanding the role of the environment may result in increased physical activity for individuals with diabetes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».