Associations in physical activity and sedentary behaviour among the immigrant and non-immigrant US population
Notice bibliographique
Résumé
Background Immigrants are at a higher risk of poor mental and physical health. Regular participation in physical activity (PA) and low levels of sedentary time are beneficial for both these aspects of health. The aim was to investigate levels and trends in domain-specific PA and sedentary behaviour in the US. immigrant compared with non-immigrant populations. Methods From the 2007–2016 National Health and Nutrition Examination Survey (NHANES), a total of 25 142 adults (≥18 years) were included in this analysis. PA and sedentary behaviour time were assessed by a questionnaire. Results Transit-related PA showed downward linear trends in young immigrant adults (p trend=0.006) and middle-aged non-immigrant adults (p trend=0.009). We found significant upward linear trends in sedentary behaviour for both immigrants and non-immigrants across all age groups. For sitting watching TV or videos ≥2 hours/day, there was a downward linear trend in young immigrant adults (p trend=0.009). For computer use ≥1 hours/day, an upward linear trend in older non-immigrants was found (p trend=0.024). Young immigrants spent 37.5 (95% CI −55.4 to −19.6) min less than non-immigrants on recreational PA per week. Also, older immigrants spent 23.5 (95% CI 1.5 to 45.6) and 22.5 (95% CI 5.9 to 39.0) min/week more than non-immigrants on recreational PA and transit-related PA, respectively. Last, young and middle-aged immigrants spent 37.6 (95% CI −68.2 to −7.0) and 37.6 (95% CI −99.7 to −9.7) min/day less than non-immigrants on sedentary behaviour, respectively. Conclusion Overall, levels of recreational PA were stable, yet the transit-related PA declined coupled with an increase in sedentary behaviour. US. immigrants exhibit higher levels of transit-PA, lower levels of leisure-time PA and lower levels of sedentary behaviour, in some age groups.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».