Associations between neighbourhood street pattern, neighbourhood socioeconomic status and sleep in adults
Notice bibliographique
Résumé
Sleep duration is a risk factor for poor health and all-cause mortality. Evidence suggests that neighbourhood characteristics such as built environment and socioeconomic status (SES) may affect sleep duration in adults. This study examined the relationship between neighbourhood built environment (i.e., measured via the street pattern) and SES with sleep duration in adults (n = 797) from 12 neighbourhoods in Calgary (Canada). Covariate adjusted linear and multinomial logistic regression models estimated the associations between street pattern (grid, warped-grid, curvilinear), SES and sleep duration. We also tested if the interaction between street pattern and SES was associated with sleep duration. Although neighbourhood street pattern and neighbourhood SES were not independently associated with sleep, the interaction between street pattern and neighbourhood SES, was associated with mean sleep duration. Individuals living in curvilinear low SES neighbourhoods had the shortest sleep duration (6.93 h per day; 95% CI 6.68, 7.18), while those living in curvilinear high SES neighbourhoods slept the longest (7.43 h per day; 95% CI 7.29, 7.57). Neighbourhood street pattern and SES, as well as their interaction, were not associated with the odds of sleeping shorter or longer than 7 to 8 h per day. Our findings suggest that the combined effect of the neighbourhood built environment and SES is potentially important for influencing sleep duration. More research is needed to understand the complex interrelationships between the built environment, SES, and sleep.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».