The cost of physical inactivity: moving into the 21st century
Notice bibliographique
Résumé
Physical inactivity is increasingly being recognised as a major problem in global health. The WHO estimates that 3.3 million people die around the world each year due to physical inactivity, making it the fourth leading underlying cause of mortality.1 Physical activity has beneficial effects on 23 diseases or health conditions.2 However, in most countries fewer than half of adults are active enough to reap most of these benefits.3 ,4 Given that inactivity increases the risk for many of the most costly medical conditions such as type 2 diabetes, stroke, ischaemic heart disease, falls and hip fractures, and depression, it is not surprising that physical inactivity has a substantial cost burden in addition to a large health burden. Despite impressive health and economic consequences, it is only recently that addressing physical inactivity has become a mainstream part of public health and health policy.5 However, this is clearly occurring. The WHO Global Action Plan for NCDs emphasises physical activity as an important element of primary and secondary prevention, WHO released a global recommendations for physical activity in 2010,6 the September 2011 United Nations General Assembly Summit on NCDs prominently include physical activity4 and national public health policy in influential countries such as Brazil and the USA substantively incorporates physical activity promotion.7 ,8 However, these are initial steps in addressing a global epidemic of NCDs and inactivity. The gap between the size of the problem and the scale of the public health response remains large. In such situations, effective advocacy is called for9 and often times this means economic data which highlight the costs of not taking action. This seems to be an argument for more and better analyses and research publications on the costs of physical inactivity. However, in the following paragraphs …
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».