Perceived Walkability, Social Support, Age, Native Language, and Vehicle Access as Correlates of Physical Activity: A Cross-Sectional Study of Low-Socioeconomic Status, Ethnic, Minority Women
Notice bibliographique
Résumé
BACKGROUND: The role of social-environmental factors in physical activity (PA) within lower income and ethnic minority populations is understudied. This study explored correlates of age-related PA and perceived walkability (PW). METHODS: Cross-sectional data (N = 401 women; ≥18 y) were collected within the Jane-Finch community in Toronto, Ontario using questionnaires. Generalized additive models, an extension to multiple regression, were used to estimate effect sizes and standard errors. RESULTS: Significant interactions between native language and car access (CA) were observed in PA variation across the lifespan. Individuals were evenly distributed across 4 comparison groups: 29.2% English-NoCA, 24.1% English-CA, 20.7% Non-English-NoCA, and 26.0% NonEnglish-CA. Risk of sedentariness increased with age for native English speakers > 50 years, but appears unaffected by age for other groups. English speakers without CA < 60 years appear least likely to be sedentary, followed by English speakers with CA. In general, an active individual at the 75th percentile of social support for exercise would have 1.62 (CI: 1.22-2.17) times the MET-Hours of PA than an active individual at the 25th percentile of SSE. CONCLUSIONS: English language facility and car access moderate relationships of social-environmental factors and PA. Further investigation is required to better understand correlates of PA for women in this demographic.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».