Associations between active travel and adiposity in rural India and Bangladesh: a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Data on use and health benefits of active travel in rural low- and middle- income country settings are sparse. We aimed to examine correlates of active travel, and its association with adiposity, in rural India and Bangladesh. METHODS: Cross sectional study of 2,122 adults (≥18 years) sampled in 2011-13 from two rural sites in India (Goa and Chennai) and one in Bangladesh (Matlab). Logistic regression was used to examine whether ≥150 min/week of active travel was associated with socio-demographic indices, smoking, oil/butter consumption, and additional physical activity. Adjusting for these same factors, associations between active travel and BMI, waist circumference and waist-to-hip ratio were examined using linear and logistic regression. RESULTS: Forty-six percent of the sample achieved recommended levels of physical activity (≥150 min/week) through active travel alone (range: 33.1 % in Matlab to 54.8 % in Goa). This was more frequent among smokers (adjusted odds ratio 1.36, 95 % confidence interval 1.07-1.72; p = 0.011) and those that spent ≥150 min/week in work-based physical activity (OR 1.71, 1.35-2.16; p < 0.001), but less frequent among females than males (OR 0.25, 0.20-0.31; p < 0.001). In fully adjusted analyses, ≥150 min/week of active travel was associated with lower BMI (adjusted coefficient -0.39 kg/m(2), -0.77 to -0.02; p = 0.037) and a lower likelihood of high waist circumference (OR 0.77, 0.63-0.96; p = 0.018) and high waist-to-hip ratio (OR 0.72, 0.58-0.89; p = 0.002). CONCLUSIONS: Use of active travel for ≥150 min/week was associated with being male, smoking, and higher levels of work-based physical activity. It was associated with lower BMI, and lower risk of a high waist circumference or high waist-to-hip ratio. Promotion of active travel is an important component of strategies to address the growing prevalence of overweight in rural low- and middle- income country 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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».