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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».