A compositional analysis of time spent in sleep, sedentary behaviour and physical activity with all-cause mortality risk
Notice bibliographique
Résumé
BACKGROUND: Daily time spent in sleep, sedentary behaviour (SED), light intensity physical activity (LIPA), and moderate-to-vigorous intensity physical activity (MVPA) are compositional, co-dependent variables. The objectives of this study were to use compositional data analysis to: (1) examine the relationship between the movement behaviour composition (daily time spent in sleep, SED, LIPA and MVPA) and all-cause mortality risk, and (2) estimate the extent to which changing time spent in any given movement behaviour (sleep, SED, LIPA, or MVPA) within the movement behaviour composition was associated with changes in risk of all-cause mortality. METHODS: 2838 adult participants from the 2005-2006 cycle of the U.S. National Health and Nutrition Examination Survey were studied using a prospective cohort design. Daily time spent in SED, LIPA and MVPA were determined by accelerometer. Nightly time spent sleeping was self-reported. Survey data were linked with mortality data through to the end of December 2015. Compositional data analysis was used to investigate relationships between the movement behaviour composition and mortality. RESULTS: The movement behaviour composition was significantly associated with mortality risk. Time spent in MVPA relative to other movement behaviours was negatively associated with mortality risk (HR = .74; 95% CI [.67, .83]) while relative time spent in SED was positively associated with mortality risk (HR = 1.75; 95% CI [1.10, 2.79]). Time displacement estimates revealed that the greatest estimated changes in mortality risk occurred when time spent in MVPA was decreased and replaced with sleep, SED, LIPA or a combination of these behaviours (HRs of 1.76 to 1.80 for 15 min/day displacements). CONCLUSIONS: The daily movement behaviour composition was related to mortality. Replacing time in MVPA or SED with equivalent time from any other movement behaviour was associated with an increase and decrease in mortality risk, respectively.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».