Environmental attributes and sedentary behaviours among Canadian adults
Notice bibliographique
Résumé
Abstract The potential of the neighbourhood built environment for reducing sedentary behaviour has been highlighted in the recent research building on the socio-ecological models. Nevertheless, few studies have investigated the associations between objectively-measured environmental attributes and domain-specific sedentary behaviours in different geographical locations. Notably, high-quality environmental measures that are less data-dependent and are replicable in and comparable across different contexts are needed to expand the evidence on urban design and public health. We examined associations of environmental attributes and Space Syntax Walkability (SSW) with leisure screen time and car driving in a sample of Canadian adults. A total of 2006 Calgarian adults completed a survey that captured their leisure screen time and car driving. Environmental attributes were population density, intersection density, availability of sidewalks, availability of destinations, and SSW using geographic information systems. Adjusting for covariates, a one standard deviation increase in SSW was associated with 0.43 (95% CI −0.85, −0.02) hours/week decrease in leisure screen time. No other environmental attributes were significantly associated with leisure screen time. All environmental attributes (except the availability of sidewalks) were negatively associated with car driving. The strongest association was observed between SSW with car driving—a one standard deviation increase in SSW was associated with 0.77 (95% CI −0.85, −0.02) hours/week decrease in the car driving. Those who lived in highly populated and more connected areas with a variety of destinations nearby spent less time driving their cars. Further, our findings highlight that the composite measure of SSW is associated with both leisure screen time and car driving. Focusing on a novel environmental aspect (SSW) and an emerging health risk factor (sedentary behaviour) among a relatively large sample of Canadian adults, our study provides unique insights into environmental health research.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».