Use of local area facilities for involvement in physical activity in Canada: insights for developing environmental and policy interventions
Notice bibliographique
Résumé
Despite growing literature showing associations of availability and accessibility of facilities to greater levels of physical activity, considerably less is known about the actual extent of use of these facilities. The purpose of this study was to examine the individual (sex, age, education and extent of involvement in vigorous physical activity) and local area characteristics (socioeconomic status, locations and number of physical activity organizations per 1000 residents) associated with the use of local facilities for involvement in physical activity. A telephone survey was conducted with 3191 randomly selected adults in 22 non-contiguous areas across Canada. Use of local facilities for involvement in physical activity was examined among a subset of 1006 physically active adults. Data were analyzed using multilevel modeling. Findings revealed significant variation across areas in likelihood of use of local facilities among women but not men. Women in the 25-34 and 45-55 age categories were significantly more likely to use local facilities than women of 35-44 years of age. Women reporting greater levels of involvement in vigorous physical activity were more likely to use local area facilities. Higher area affluence and living in areas located in small urban towns were associated with greater use of local facilities among women only. None of the individual and local area characteristics was associated with the outcome among men. Understanding the processes associated with differential use of local area facilities for physical activity is essential for the implementation of effective environmental and policy interventions to increase physical activity in the population.
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 ».