Patterns of Physical Activity and Self-rated Health Among Adult Populations in South Asia
Notice bibliographique
Résumé
INTRODUCTION: Although South Asians are considered to be at high risk for cardiovascular diseases, research evidence on the health impacts of physical activity (PA) remains very limited. In this study we aimed to explore the patterns of PA and to investigate whether engaging in regular PA is associated with better Self-Rated Health (SRH) among South Asians. METHODS: Cross-sectional data on population health were drawn from the World Health Survey of WHO. Subjects were 28,020 male and female South Asians (from Bangladesh, India, Nepal, and Sri Lanka) aged 18 years and above. Data were analysed using descriptive and multivariable logistic regression analyses. RESULTS: The proportion of the sample population reported good SRH was 44.3%, 58.7%, 37.7%, and 73.7% in Bangladeshis, Indians, Nepalese, and Sri Lankans, respectively. Regular engagement in moderate PA was highest in Nepal (69.7%) and lowest in Bangladesh (37.4%). Vigorous PA was highest in India (29.9%) and lowest in Bangladesh (17.9%). In Bangladesh, compared to those never engaged in MPA, those who engaged for 1-2, 3-4, 5-6, or 7 days a week were 30% [AOR=1.306; 95%CI 1.085-1.572], 33% [AOR=1.326; 95%CI 1.093-1.609], 39% [AOR=1.389; 95%CI 1.125-1.716], and 46% [AOR=1.459; 95%CI 1.249-1.705] more likely to report being in good health, respectively. CONCLUSIONS: We found that self-reported engagement in physical activities varies in South Asian countries. Since engaging in PA may help improve subjective and objective health status, health policy makers need to focus on designing exercise-friendly neighbourhoods in an attempt to promote population health.
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 | 0,000 | 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 | 0,001 |
| 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 ».