The association between sidewalk length and walking for different purposes in established neighborhoods
Notice bibliographique
Résumé
BACKGROUND: Walking in neighborhood environments is undertaken for different purposes including for transportation and leisure. We examined whether sidewalk availability was associated with participation in, and minutes of neighborhood-based walking for transportation (NWT) and recreation (NWR) after controlling for neighborhood self-selection. METHOD: Baseline survey data from respondents (n = 1813) who participated in the RESIDential Environment (RESIDE) project (Perth, Western Australia) were used. Respondents were recruited based on their plans to move to another neighborhood in the following year. Usual weekly neighborhood-based walking, residential preferences, walking attitudes, and demographics were measured. Characteristics of the respondent's baseline neighborhood were measured including transportation-related walkability and sidewalk length. A Heckman two-stage modeling approach (multivariate Probit regression for walking participation, followed by a sample selection-bias corrected OLS regression for walking minutes) estimated the relative contribution of sidewalk length to NWT and NWR. RESULTS: After adjustment, neighborhood sidewalk length and walkability were positively associated with a 2.97 and 2.16 percentage point increase in the probability of NWT participation, respectively. For each 10 km increase in sidewalk length, NWT increased by 5.38 min/wk and overall neighborhood-based walking increased by 5.26 min/wk. Neighborhood walkability was not associated with NWT or NWR minutes. Moreover, sidewalk length was not associated with NWR minutes. CONCLUSIONS: Sidewalk availability in established neighborhoods may be differentially associated with walking for different purposes. Our findings suggest that large investments in sidewalk construction alone would yield small increases in walking.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».