Built environment correlates of objectively-measured sedentary behaviours in densely-populated areas
Notice bibliographique
Résumé
Few studies examine associations between objectively-calculated neighbourhood built environment attributes and objectively-assessed sedentary behaviour in different geographical locations, especially in highly-populated environments. Additionally, no study, to our knowledge, has investigated associations between objective measures of neighbourhood built environment attributes and objectively-assessed sedentary behaviours in middle-aged adults, despite the fact that this is a critical stage of life when age-related functional decline begins. We examined the associations between neighbourhood built environment attributes with the total, and patterns of, objectively-assessed sedentary behaviours in a densely-populated area in Asia. Data from 866 adults (ages 40 to 64) living in Japan were included. Four classifications of sedentary behaviours, including daily total sedentary time, duration and number of long (≥30 min) sedentary bouts and breaks per sedentary hour, were estimated using hip-worn accelerometers. Individual (population density, availability of destinations, number of intersections, and distance to the nearest park) and composite (walkability and Walk Score®) neighbourhood built environment indices were calculated using geographic information systems. Covariate-adjusted multilevel linear mixed effects models were used to estimate the associations between the neighbourhood built environment attributes and sedentary behaviours. Population density and availability of destinations were positively associated with sedentary behaviours; however, the number of intersections was negatively associated with sedentary behaviours. No associations were observed between the distance to the nearest park and sedentary behaviours. There were positive associations between walkability and total sedentary time, and duration and the number of long sedentary bouts. Walk Score® was positively associated with total sedentary time and the number of long sedentary bouts. These findings suggest that urban design attributes supportive of walking (except for the number of intersections) may encourage sedentary behaviour among middle-aged adults living in densely-populated environments.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».