Does Climate Matter? How Temperature and Precipitation Affect the Relationship between Neighbourhood Walkability and Walking for Transportation
Notice bibliographique
Résumé
Previous research has found associations between neighbourhood walkability and transport walking, which has health benefits. However, the influence of climate on these associations is poorly understood. Our objective is to examine how climate modifies the association between walkability and walking to work or school across Canada. We hypothesize that this association is weaker in areas with more extreme climates.The study population is from the 2007-2014 Canadian Community Health Surveys, ongoing cross-sectional surveys of Canadians aged 12 and up. We excluded people who lived in rural areas or did not work or attend school. These surveys collect self-reported data on socio-demographics and transport walking. Climate data are 1981-2010 climate normals from weather stations across Canada and walkability data are Walk Score® values of respondents’ residential locations. We estimated associations between walkability (split into quintiles) and energy expenditure on walking to work/school, adjusting for socio-demographics. To examine how climate modifies this association, we will incorporate the following variables into these models: mean temperature in hottest and coldest months, mean precipitation in wettest and driest months, days per year and degree days over and under specific temperatures.The mean energy expenditure on walking to work/school was 0.26 kcal/kg/day among people in the highest walkability quintile, compared to 0.08 kcal/kg/day in the lowest quintile. After adjusting for socio-demographics, the difference in energy expenditure was 0.17 kcal/kg/day (95% confidence interval [0.15-0.18]). Climate variables will be incorporated into these models, with results forthcoming.On average, people living in more walkable neighbourhoods walk to work or school more than people in less walkable neighbourhoods. Incorporation of climate variables into this analysis will inform whether climate should be considered when evaluating walkability and physical activity.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 ».