Heart Disease, Physical Activity Trajectories, and Gender
Notice bibliographique
Résumé
Objectives: The first purpose was to identify distinct physical activity growth trajectories for light and moderate to vigorous physical activity (PA) after hospitalization for heart disease (i.e., to identify sub-groups of patients whose PA trajectories are similar to each other, but different from patients in other PA trajectory groups). The second purpose was to determine if gender predicted sub-group membership for each PA intensity. Design and Setting: Participants (N=554) completed a questionnaire in hospital and at 2, 6, 12, and 24 months after hospitalization. Results: Latent class growth curve analyses showed two classes of patients emerged for light intensity PA that were labeled Inactive Maintainers-Light (72.2% of the sample) and Low Active Maintainers-Light (27.8%). For moderate to vigorous PA, 87.8% of the sample was labeled Inactive Maintainers (i.e., remained inactive for the entire 2-year period), whereas 12.2% were labeled Active Maintainers (i.e., remained active for the 2-year period). Gender did not predict light intensity PA group membership, however, females were significantly more likely to be in the Inactive Maintainer for moderate to vigorous PA compared to males (odds ratio = 3.47). Conclusion: The association between gender and PA trajectories after hospitalization for heart disease may be intensity dependent.
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 | 0,001 | 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 ».