Mobile Phone Use and its Association With Sitting Time and Meeting Physical Activity Recommendations in a Mexican American Cohort
Notice bibliographique
Résumé
BACKGROUND: The benefits of physical activity (PA) are well-documented. Mobile phones influence PA by promoting screen-based sedentary time, providing prompts or reminders to be active, aiding in tracking and monitoring PA, or providing entertainment during PA. It is not known how mobile phone use is associated with PA and sitting time in Mexican Americans, and how mobile phone users may differ from nonusers. OBJECTIVE: To determine the associations between mobile phone use, PA, and sitting time and how these behaviors differ from mobile phone nonusers in a sample of 2982 Mexican-American adults from the Mano a Mano cohort. METHODS: Differences in meeting PA recommendations and sitting time between mobile phone users and nonusers were examined using chi-square and analysis of variance tests. Logistic regression was used to examine associations between mobile phone use, PA, and sitting. RESULTS: Mobile phone users were more likely to be obese by body mass index criteria (≥30 kg/m(2)), younger, born in the United States and lived there longer, more educated, and sit more hours per day but more likely to meet PA recommendations than nonusers. Males (odds ratio [OR] 1.42, 95% CI 1.16-1.74), use of text messaging (OR 1.26, 95% CI 1.03-1.56), and having a higher acculturation score (OR 1.27, 95% CI 1.07-1.52) were associated with higher odds of meeting PA recommendations. Sitting more hours per day was associated with being male, obese, born in the United States, a former alcohol drinker, and having at least a high school education. Among nonusers, being born in the United States was associated with higher odds of more sitting time, and being married was associated with higher odds of meeting PA recommendations. CONCLUSIONS: Mobile phone interventions using text messages could be tailored to promote PA in less acculturated and female Mexican American mobile phone users.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».