Evaluation of Indoor Tanning Facilities in American Fitness Centers
Notice bibliographique
Résumé
Background Indoor tanning (IT) in fitness facilities encourages a misleading positive relationship between tanning and health. While IT in Canadian fitness facilities has been studied, American literature regarding this topic is lacking. Objectives The objective of this study is to evaluate availability, cost, reported risks, and adherence to legislation of IT in American fitness clubs. Methods This was a cross-sectional study utilizing a telephone questionnaire to survey gyms across all 50 states. The key term “fitness club” was searched in the Yellow Pages and 20 facilities from each state were randomly included into the study. Data were described descriptively and Pearson χ 2 tests were used to compare IT prevalence and rates of noncompliance between population groups. Regression analysis examined potential relationship between cost and prevalence of IT. Results Of the 1000 fitness clubs surveyed, 44.4% (444/1000) offered IT. The overall noncompliance rates for age, rest time, and eye protection were 13.8% (54/390), 26.0% (20/77), and 27.8% (85/225), respectively. The most common risk reported was skin cancer (61.6%), but many facilities were unsure of risks (27.0%) and some described no risk associated with IT (3.2%). The average cost for monthly unlimited tanning was 33 ± 13.96 USD. A state-to-state comparison showed a statistically significant inverse relationship between mean cost and prevalence of IT ( P = .013, [ r]= −0.35). Conclusion The prevalence and noncompliance rates of IT in fitness clubs contradict the healthy lifestyles they are working to promote. To limit harms, legislations should be standardized and more strictly enforced. Additionally, public education on IT risks and the use of higher costs may help minimize IT use.
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 | 0,001 | 0,002 |
| 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 | 0,000 |
| 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 ».