Correlates of sitting time in adults with type 2 diabetes
Notice bibliographique
Résumé
BACKGROUND: Studies suggest a relationship between sitting time and cardiovascular disease mortality. Our aim was to identify socio-demographic, contextual, and clinical (e.g., body composition, diabetes duration) correlates of self-reported sitting time among adults with type 2 diabetes, a clinical population at high risk for cardiovascular disease. We sought to determine if there was an inverse relationship between sitting and step counts in a diabetes cohort in whom we had previously identified low step counts with further lowering in fall/winter. METHODS: The cohort included 198 adults (54 % men; age 60.0 SD 11.5 years; Body mass index 30.4 SD 5.6 kg/m(2)) (Montréal, Canada). Socio-demographic, contextual and clinical factors were assessed using standardized questionnaires and step counts with a pedometer over 14 days (concealed viewing windows). Total sitting time was estimated once per season (up to 4 times per year at -month intervals) using the International Physical Activity Questionnaire-Short version. Potential sitting time correlates were evaluated using Bayesian longitudinal hierarchical linear regression models in participants with sitting time data (n = 191). RESULTS: The average sitting time was 308 (SD 161) minutes/day without variation across seasons. Sitting time correlates were being an immigrant (56 fewer minutes/day spent sitting compared to non- immigrants, 95 % credible interval, CrI: -100, -11) and having a university degree (55 more minutes/day spent sitting compared to those without a university degree, 95 % CrI: 10, 100) after adjustment for potential correlates observed in univariate analyses (sex, age, job status, waist circumference, depressed mood, steps). Correlation between sitting and steps, adjusted for age and sex, was -0.144 (95 % CI: -0.280, 0.002). CONCLUSION: There was low correlation between sitting time and step counts. Therefore, high sitting time and low step counts are behaviours that may need to be independently targeted. Interventions to reduce sitting time in adults with type 2 diabetes may need to target non-immigrants and those with a university degree.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».