Association between perceived built environmental attributes and physical activity among adults in South Africa
Notice bibliographique
Résumé
BACKGROUND: To investigate the association between perceived environmental attributes and leisure-time and transport-related physical activity. METHODS: This was a cross-sectional survey involving 671 South Africans aged ≥35 years from urban and rural settings. International Physical Activity Questionnaire and Neighbourhood Walkability Scale were used to collect data. Multivariable logistic regressions were used to investigate the associations. RESULTS: Significant urban vs. rural differences were apparent in the distribution of most attributes of neighborhood environment. After adjusting for gender, age, setting and relevant interaction terms, proximity to local stores was significantly associated with leisure-time physical activity (OR: 4.26; 95% CI, 1.00-18.08); while proximity to transit stops (2.44; 1.48-4.02), pleasant scenery (1.93; 1.07-3.46), sidewalks (2.36; 1.25-4.44), shade from trees (2.14; 1.19-3.85), traffic (2.17; 91.21-3.91) and well-lit streets (2.01; 1.04-3.89) were significantly associated with walking for leisure. Four-way intersections (4.54; 1.54-13.43), pleasant scenery (3.84; 1.35-10.99), traffic (0.28; 0.09-0.89), sidewalks (3.75; 1.06-13.27) and crosswalks were associated with transport related physical activity. Proximity to transit stops (2.12; 1.17-3.84) and well maintained sidewalks (2.69; 2.20-10.02) were significantly associated with total physical activity. Significant interactions by setting were apparent in some of the associations. CONCLUSION: Some, but not all attributes of a neighborhood environment were significantly associated in expected directions with the three physical activity domains in this mixed urban and rural population. This study highlights the need for policy strategies aimed at improving or maintaining these perceived environmental attributes to promote physical activity.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».