Examining How Neighborhood Socioeconomic Status, Geographic Accessibility, and Informational Accessibility Influence the Uptake of a Free Population-Level Physical Activity Intervention for Children
Notice bibliographique
Résumé
PURPOSE: To evaluate the uptake of ACT-i-Pass (G5AP), a physical activity (PA) intervention that provides free access to PA opportunities, and to understand the extent to which the intervention provides equitable access to children. DESIGN: This study evaluates the differences in uptake (ie, enrollment) by comparing postal codes of registrants with the postal codes of all eligible children. SETTING: Children were provided the opportunity to register for the G5AP during the 2014 to 2015 school year in London, Canada. PARTICIPANTS: The population of grade 5 students in London who registered for the G5AP (n = 1484) and did not register (n = 1589). INTERVENTION: The G5AP offered grade 5 students free access to select PA facilities/programs during 2014 to 2015 school year. MEASURES: Measures included G5AP registration status, method of recruitment, distance between home and the nearest facility, and neighborhood socioeconomic status. ANALYSIS: Getis-Ord Gi* and multilevel logistic regression were used to analyze these data. RESULTS: There were significant differences in the uptake of the G5AP: residing in neighborhoods of high income (odds ratio [OR] = 1.062, P = .029) and high proportion of recent immigrants (OR = 1.036, P = .001) increased the likelihood of G5AP registration. Children who were recruited actively were significantly more likely to register for the G5AP (OR = 2.444, P < .001). CONCLUSION: To increase the uptake of a PA intervention, children need to be actively recruited. Interactive presentations provide children with increased access to information about both the program and its nuances that cannot be communicated as effectively through passive methods.
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 | 0,001 | 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 | 0,000 | 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 ».