Associations between markers of health and playing golf in an Australian population
Notice bibliographique
Résumé
OBJECTIVE: To investigate associations between markers of health and playing golf in an Australian population. METHODS: Secondary analysis of data from the Australian National Nutrition and Physical Activity Survey to compare selected health outcomes between golfers (n=128) and non-golfers (n=4999). RESULTS: Golfers were older than non-golfers (mean±SD 57.7±14.2 years, 48.5±17.6 years, p<0.05). A higher proportion of golfers were overweight or obese compared with non-golfers (76% vs 64%, p<0.05), and golfers were more likely to have been diagnosed with ischaemic heart disease (IHD) at some time in their life (OR 2.8, 95% CI 1.0 to 7.8). However, neither the risk of being overweight or obese (OR 1.4, 95% CI 0.9 to 2.2) or having been diagnosed with IHD (OR 2.1, 95% CI 0.8 to 5.8), were significant after controlling for age. Golfers were more physically active than non-golfers (8870±3810 steps/day vs 7320±3640 steps/day, p<0.05) and more likely to report high health-related quality of life (HRQoL) than non-golfers (OR 1.8; 95% CI 1.0 to 3.3), but not after adjusting for physical activity (OR 1.4, 95% CI 0.9 to 2.2). CONCLUSION: Compared with non-golfers, golfers were more likely to be overweight or obese and to have been diagnosed with IHD, but not after adjusting for golfers being older. Golfers were more likely to report a higher HRQoL, but not after adjusting for golfers being more physically active. There may be an association between golfers being more physically active than non-golfers and reporting a higher HRQoL.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».