Driving status, travel modes and accelerometer-assessed physical activity in younger, middle-aged and older adults: a prospective study of 90 810 UK Biobank participants
Notice bibliographique
Résumé
BACKGROUND: Associations between driving and physical-activity (PA) intensities are unclear, particularly among older adults. We estimated prospective associations of travel modes with total PA, sedentary time (ST), light-intensity PA (LPA), and moderate-to-vigorous intensity PA (MVPA) among adults aged 39-70 years. METHODS: We studied 90 810 UK Biobank participants (56.1 ± 7.8 years). Driving status, specific travel modes (non-work travel; commuting to/from work) and covariates were assessed by questionnaire (2006-10). PA was assessed over 7 days by wrist-worn accelerometers (2013-15). We estimated associations using overall and age-stratified multivariable linear-regression models. RESULTS: Drivers accumulated 1.4% more total PA (95% confidence interval: 0.9, 1.9), 11.2 min/day less ST (-12.9, -9.5), 12.2 min/day more LPA (11.0, 13.3) and 0.9 min/day less MVPA (-1.6, -0.2) than non-drivers. Compared with car/motor-vehicle users, cyclists and walkers had the most optimal activity profiles followed by mixed-mode users (e.g. for non-work travel, cyclists: 10.7% more total PA, 9.0, 12.4; 20.5 min/day less ST, -26.0, -15.0; 14.5 min/day more MVPA, 12.0, 17.2; walkers: 4.2% more total PA, 3.5, 5.0; 7.5 min/day less ST -10.2, -4.9; 10.1 min/day more MVPA, 8.9, 11.3; mixed-mode users: 2.3% more total PA, 1.9, 2.7; 3.4 min/day less ST -4.8, -2.1; 4.9 min/day more MVPA, 4.3, 5.5). Some associations varied by age (p interaction < 0.05), but these differences appeared small. CONCLUSIONS: Assessing specific travel modes rather than driving status alone may better capture variations in activity. Walking, cycling and, to a lesser degree, mixed-mode use are associated with more optimal activity profiles in adults of all ages.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».