MétaCan
Menu
Retour à la cohorte
Enregistrement W3048823259 · doi:10.5539/jsd.v13n5p1

Possible Actions in the Built Environment to Enhance Physical Activity: Systematic Review

2020· article· en· W3048823259 sur OpenAlexvenueno aff
Mina Safizadeh, Massoomeh Hedayati Marzbali, Aldrin Abdullah, Nor Zarifah Maliki

Notice bibliographique

RevueJournal of Sustainable Development · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Sains Malaysia
Mots-clésScopusNeighbourhood (mathematics)Psychological interventionScope (computer science)Built environmentPhysical activityWork (physics)Affect (linguistics)PsychologyBusinessApplied psychologyComputer sciencePolitical scienceMEDLINEMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

As a crucial factor of health, physical activity is widely explored in many empirical studies. The problem of how the built environment may affect physical activity attributes was discussed in previous studies, and the classification of interventions was presented in a limited scope. Therefore, the present study aims to review built environment interventions while classifying them into motivators and barriers of physical activity in residential neighbourhoods worldwide. Firstly, the main dimensions explaining how the built environment affects physical activity are presented. Fifteen papers published between 2009 and 2019 were identified by an extensive search in ScienceDirect, Web of Science, Scopus and PubMed. These works were systematically reviewed based on their main characteristics and then classified based on their relevant operationalisation of variables. Improving motivators and conquering barriers of physical activity on neighbourhoods lead to a healthy and sustainable society. The results of the current work can help policymakers and urban planners use exclusive methods for each part of neighbourhood planning and create an environment that overcomes barriers and promotes public physical activity levels.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,026
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,006
Bibliométrie0,0100,010
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,328
Écart entre enseignants0,296 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetUrban Transport and AccessibilityTravaux en français237 207