Occupational physical activity and cardiovascular disease in the United States
Notice bibliographique
Résumé
BACKGROUND: Emerging evidence, predominately from European and Asian countries, describes opposing effects of occupational physical activity (OPA) and leisure-time physical activity (LTPA) on cardiovascular health. This analysis examined cardiovascular disease (CVD) prevalence associated with OPA and LTPA. METHODS: This cross-sectional analysis of 2015 National Health Interview Survey data (n=16 974) employed logistic regression to estimate odds (OR) of self-reported CVD (coronary heart disease, heart attack, stroke or angina) with self-reported total occupational activity (TOA), occupational exertion (OE), occupational standing and walking (OSW) and LTPA. OPA was measured using two questions: 'How often does your job involve…' (1) 'repeated lifting, pushing, pulling or bending?' (OE) and (2) 'standing or walking around?' (OSW) with responses on a 5-item Likert scale (0=never, 4=always). TOA was categorised similarly after summing OE and OSW scores. LTPA was defined as 0, 1-149 or ≥150 min/week of moderate-to-vigorous activity. All models adjusted for common socioeconomic variables and additional analyses were stratified by sex, smoking status and LTPA. RESULTS: Odds for CVD were higher when 'always' performing TOA (OR 1.99 95% CI 1.12 to 3.53), OE (OR 2.15, 95% CI 1.45 to 3.19) or OSW (OR 1.84, 95% CI 1.07 to 3.17) compared with 'never'. When restricting to never-smokers, odds for CVD were higher when 'always' performing TOA (OR 3.00, 95% CI 1.38 to 6.51) and OE (OR 3.00, 95% CI 1.80 to 5.02) versus 'never'. CONCLUSION: Associations of high OPA with CVD were equally apparent across sexes, stronger in lower LTPA levels and stronger in never-smokers. While uncontrolled confounding is still possible, even after extensive adjustment, the seemingly paradoxical adverse associations with OPA and CVD should be investigated further.
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 | 0,000 | 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 ».