Neighbourhood walkability and the incidence of diabetes: an inverse probability of treatment weighting analysis
Notice bibliographique
Résumé
BACKGROUND: People living in highly walkable neighbourhoods tend to be more physically active and less likely to be obese. Whether walkable urban design reduces the future risk of diabetes is less clear. METHODS: We used inverse probability of treatment weighting to compare 10-year diabetes incidence between residents living in high-walkability and low-walkability neighbourhoods within five urban regions in Ontario, Canada. Adults (aged 30-85 years) who were diabetes-free on 1 April 2002 were identified from administrative health databases and followed until 31 March 2012 (n=958 567). Within each region, weights reflecting the propensity to live in each neighbourhood type were created based on sociodemographic characteristics, comorbidities and healthcare utilisation and incorporated into region-specific Cox proportional hazards models. RESULTS: Low-walkability areas were more affluent and had more South Asian residents (6.4%vs3.6%, p<0.001) but fewer residents from other minority groups (16.6%vs21.7%, p<0.001). Baseline characteristics were well balanced between low-walkability and high-walkability neighbourhoods after applying individual weights (standardised differences all <0.1). In each region, high walkability was associated with lower diabetes incidence among adults aged <65 years (overall weighted incidence: 8.2vs9.2 per 1000; HR 0.85, 95% CI 0.78 to 0.93), but not among adults aged ≥65 years (weighted incidence: 20.7vs19.5 per 1000; HR 1.01, 95% CI 0.91 to 1.12). Findings were consistent regardless of income and immigration status. CONCLUSIONS: Younger adults living in high-walkability neighbourhoods had a lower 10-year incidence of diabetes than similarly aged adults living in low-walkability neighbourhoods. Urban designs that support walking may have important benefits for diabetes prevention.
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 | 0,021 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».