Human development, occupational structure and physical inactivity among 47 low and middle income countries
Notice bibliographique
Résumé
This study aimed to (a) assess the relationship between a person's occupational category and their physical inactivity, and (b) analyze the association among country-level variables and physical inactivity. The World Health Survey (WHS) was administered in 2002-2003 among 47 low- and middle-income countries (n = 196,742). The International Physical Activity Questionnaire (IPAQ) was used to collect verbal reports of physical activity and convert responses into measures of physical inactivity. Economic development (GDP/c), degree of urbanization, and the Human Development Index (HDI) were used to measure country-level variables and physical inactivity. Multilevel logistic regression analysis was used to examine the association among country-level factors, individual occupational status, and physical inactivity. Overall, the worldwide prevalence of physical inactivity in 2002-2003 was 23.7%. Individuals working in the white-collar industry compared to agriculture were 84% more likely to be physically inactive (OR: 1.84, CI: 1.73-1.95). Among low- and middle-income countries increased HDI values were associated with decreased levels of physical inactivity (OR: 0.98, CI: 0.97-0.99). This study is one of the first to adjust for within-country differences, specifically occupation while analyzing physical inactivity. As countries experience economic development, changes are also seen in their occupational structure, which result in increased countrywide physical inactivity levels.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».