MétaCan
Menu
← Retour à la cohorte
Enregistrement W2981895858 · doi:10.1371/journal.pone.0224225

Do older English adults exhibit day-to-day compensation in sedentary time and in prolonged sedentary bouts? An EPIC-Norfolk cohort analysis

2019· article· en· W2981895858 sur OpenAlexfundno aff
Dharani Yerrakalva, Katrien Wijndaele, Samantha Hajna, Kate Westgate, Kay‐Tee Khaw, Simon J. Griffin, Søren Brage

Notice bibliographique

RevuePLoS ONE · 2019
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchMedical Research CouncilNational Institute for Health and Care ResearchUniversity of CambridgeCancer Research UK
Mots-clésMedicineBody mass indexDemographyCohortSedentary lifestyleNames of the days of the weekGerontologyPhysical therapyPhysical activityInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Compensatory behaviours may be one of the reasons for the limited success of sedentary time interventions in older adults, but this possibility remains unexplored. Activity compensation is the idea that if we change activity levels at one time we compensate for them at a later time to maintain a set point. We aimed to assess, among adults aged ≥60 years, whether sedentary time and time spent in prolonged sedentary bouts (≥30 mins) on one day were associated with sedentary time and time spent in prolonged sedentary bouts (≥30 mins) on the following day. We also sought to determine whether these associations varied by sociodemographic and comorbid factors. METHODS: Sedentary time was assessed for seven days using hip-worn accelerometers (ActiGraph GT1M) for 3459 adults who participated in the EPIC-Norfolk Study between 2004 and 2011. We assessed day-to-day associations in total and prolonged bouts of sedentary time using multi-level regressions. We included interaction terms to determine whether associations varied by age, sex, smoking, body mass index, social class, retirement, education and comorbid factors (stroke, diabetes, myocardial infarction and cancer). RESULTS: Participants (mean age = 70.3, SD = 6.8 years) accumulated 540 sedentary mins/day (SD = 80.1). On any given day, every 60 minutes spent in sedentary time was associated with 9.9 extra sedentary minutes on the following day (95% CI 9.0, 10.2). This association was greater in non-retired compared to retired participants (non-retired 2.57 extra minutes, p = 0.024) and in current compared to former and never-smokers (5.26 extra mins for current vs former; 5.52 extra mins for current vs never, p = 0.023 and 0.017, respectively). On any given day, every 60 minutes spent in prolonged bouts was associated with 7.8 extra minutes in these bouts the following day (95% CI 7.6, 8.4). This association was greater in older individuals (0.18 extra minutes/year of age, 95% CI 0.061, 0.29), and for retired versus non-retired (retired 2.74 extra minutes, 95% CI 0.21, 5.74). CONCLUSION: Older adults did not display day-to-day compensation. Instead, individuals demonstrate a large stable component of day-to-day time spent sedentary and in prolonged bouts with a small but important capacity for positive variation. Therefore older adults appear to be largely habitual in their sedentary behaviour. Strategies to augment these patterns may be possible, given they may differ by age, smoking, and working status.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,255
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetPhysical Activity and Health→Travaux en français237 207→