Naturally occurring workplace facilities to increase the leisure time physical activity of workers: A propensity-score weighted population study
Notice bibliographique
Résumé
The benefit of providing access to physical activity facilities at or near work to support the leisure time physical activity (LTPA) of workers is uncertain. We examined the association between access to physical activity facilities at or near work and the LTPA of workers after adjusting for a range of individual and occupational characteristics. Data was obtained from 60,650 respondents to the 2007-2008 Canadian Community Health Survey. Participants were employed adults ≥18 years of age who had no long-term health condition which reduced their participation in physical activity. Latent class analysis determined naturally occurring combinations of physical activity facilities at or near work. Each combination was balanced by 19 individual and occupational covariate characteristics using inverse probability of treatment weights derived from propensity scores. The association between combinations of physical activity facilities at or near work on LTPA level was estimated by multinomial logistic regression. Five different combinations of physical activity facilities were available to respondents at or near work. Data were analyzed in 2017. All possible physical facilities increased the likelihood for LTPA (OR, 2.08, 95% CI, 1.03-4.20) and other combinations were also positively associated. Respondents with no physical activity facilities were characterized as having a low education, low income, high physically demanding work, poor health and mental health, non-white racial background, and being an immigrant. Access to supportive workplace environments can help workers be physically active. Future research should assess a range of personal, social and environmental factors that may be driving this relationship.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».