Household income, active travel, and their interacting impact on body mass index in a sample of urban Canadians: a Bayesian spatial analysis
Notice bibliographique
Résumé
BACKGROUND: Active travel for utilitarian purposes contributes to total physical activity and may help counter the obesity epidemic. However, the evidence linking active travel and individual-level body weight is equivocal. Statistical modeling that accounts for spatial autocorrelation and unmeasured spatial predictors has not yet used to explore whether the health benefits of active travel are shared equally across socioeconomic groups. METHODS: Bayesian hierarchical models with spatial random effects were developed using travel survey data from Saskatoon, Canada (N = 4625). Differences in log-transformed body mass index (BMI) were estimated for levels of active travel use (vehicular travel only, mixed vehicular/active travel, and active travel only), household income, and neighbourhood deprivation after controlling for sociodemographic and physical activity variables. The modifying effect of household income on the association between active travel and BMI was also evaluated. RESULTS: Significant and meaningful decreases in BMI were observed for mixed (β = - 0.02, CrI - 0.036 to - 0.004) and active only (β = - 0.043, CrI - 0.06 to - 0.025) compared to vehicular only travelers. BMI was significantly associated with levels of household income and neighbourhood deprivation. Accounting for the interaction between travel mode and household income, decreases in BMI were observed for active only compared to vehicular only travellers in the highest income category (β = - 0.061, CrI - 0.115 to - 0.007). CONCLUSION: Strategies to increase active travel use can support healthy weight loss and maintenance, but the opportunity to benefit from active travel use may be limited by low income. Considerations should be given to how interventions to increase active transportation might exacerbate social inequalities in BMI. Spatial statistical models are needed to account for unmeasured but spatially structured neighbourhood factors.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».