The Influence of Neighbourhoods and the Social Environment on Sedentary Behaviour in Older Adults in Three Prospective Cohorts
Notice bibliographique
Résumé
Sedentary behaviour is an emerging risk factor for poor health. This study aimed to identify ecological determinants of sedentary behaviour, for which evidence is currently scarce. The study participants were community dwelling adults from, respectively, the Lothian Birth Cohort 1936 (n = 271, mean age 79) and the 1930s (n = 119, mean age 83) and 1950s (n = 310, mean age 64) cohorts of the West of Scotland Twenty-07 study. The outcome measure, percentage of waking time spent sedentary (sedentary time), was measured using an activPAL activity monitor worn continuously for seven days. Potential determinants included objective and subjective neighbourhood measures such as natural space, crime, social cohesion and fear of crime. Other determinants included measures of social participation such as social support, social group membership and providing care. Results from multivariable regression analyses indicated that providing care was associated with reduced sedentary time in retired participants in all cohorts. Fear of crime and perceived absence of services were associated with increased sedentary time for retired 1950s cohort members. Higher crime rates were associated with increased sedentary time in all cohorts but this was not significant after adjustment for socio-demographic characteristics. Most other neighbourhood and social participation measures showed no association with sedentary time.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».