Associations between the traditional and novel neighbourhood built environment metrics and weight status among Canadian men and women
Notice bibliographique
Résumé
OBJECTIVES: Neighbourhood characteristics can impact the health of residents. This study investigated associations between objectively derived neighbourhood characteristics, including novel space syntax metrics, and self-reported body mass index (BMI) among Canadian men and women. METHODS: Our study included survey data collected from a random cross-section of adults residing in Calgary, Alberta (n = 1718). The survey, conducted in 2007/2008, captured participants' socio-demographic characteristics, health, and weight status (BMI). Participants' household postal codes were geocoded and 1600-m line-based network buffers estimated. Using a geographical information system, we estimated neighbourhood characteristics within each buffer including business destination density, street intersection density, sidewalk length, and population density. Using space syntax, we estimated street integration and walkability (street integration plus population density) within each buffer. Using adjusted regression models, we estimated associations between neighbourhood characteristics and BMI (continuous) and BMI categories (healthy weight vs. overweight including obese). Gender-stratified analysis was also performed. RESULTS: Business destination density was negatively associated with BMI and the odds of being overweight. Among men, street intersection density and sidewalk length were negatively associated with BMI and street intersection density, business destination density, street integration, and space syntax walkability were negatively associated with odds of being overweight. Among women, business destination density was negatively associated with BMI. CONCLUSION: Urban planning policies that impact neighbourhood design have the potential to influence weight among adults living in urban Canadian settings. Some characteristics may have a differential association with weight among men and women and should be considered in urban planning and in neighbourhood-focussed public health interventions.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».