Can a Lifestyle Intervention Increase Active Transportation in Women Aged 55–70 years? Secondary Outcomes From a Pilot Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Physical activity confers many health benefits to older adults, and adopting activity into daily life routines may lead to better uptake. The purpose of this study was to test the effect of a lifestyle intervention to increase daily physical activity in older women through utilitarian walking and use of public transportation. METHODS: In total, 25 inactive women with mean age (SD) of 64.1 (4.6) years participated in this pilot randomized controlled trial [intervention (n = 13) and control (n = 12)]. Seven-day travel diaries (trips per week) and the International Physical Activity Questionnaire (minutes per week) were collected at baseline, 3, and 6 months. RESULTS: At 3 months, intervention participants reported 9 walking trips per week and 643.5 minutes per week of active transportation, whereas control participants reported 4 walking trips per week and 49.5 minutes per week of active transportation. Adjusting for baseline values, there were significant group differences favoring Everyday Activity Supports You for walking trips per week [4.6 (0.5 to 9.4); P = .04] and active transportation minutes per week [692.2 (36.1 to 1323.5); P = .05]. At 6 months, significant group differences were observed in walking trips per week [6.1 (1.9 to 11.4); P = .03] favoring the intervention (9 vs 2 trips per week). CONCLUSION: Given these promising findings, the next step is to test Everyday Activity Supports You model's effectiveness to promote physical activity in older women within a larger study.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».