MétaCan
Menu
Retour à la cohorte
Enregistrement W3159704888

Comparison of physical activity patterns across large, medium and small urban areas and rural settings in the Otago Region, New Zealand.

2021· article· en· W3159704888 sur OpenAlexaff
Brittany White, Enrique Garcíá Bengoechea, John C. Spence, Kirsten J. Coppell, Sandra Mandic

Notice bibliographique

RevuePubMed · 2021
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineAnthropometryPhysical activityDemographyRural areaPhysical therapyInternal medicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

AIM: This study compared accelerometer-measured physical activity (PA) patterns in adolescents living in diverse urban and rural areas of Otago, New Zealand. METHOD: Participants (n=377; age: 14.9±1.4 years; 66.8% female; 23 schools) completed an online school travel survey, anthropometry and seven-day PA accelerometer assessment. Participants resided in large (n=237), medium (n=45) and small (n=44) urban areas or rural settings (n=51). RESULTS: Overall, participants participated in 54.4±21.0 minutes of moderate-to-vigorous physical activity (MVPA) daily and 35.0% met PA guidelines (school day vs weekend day: 40.8% vs 26.0%; p<0.001) with no difference across geographical settings. A greater proportion of males (43.2% vs 31.9%; p=0.016), school sport participants (70.1% vs 54.0%; p=0.005) and active-transport-to-school users (40.2% vs 26.1%) met PA guidelines compared to their counterparts. Compared to rural adolescents, those from large urban areas accumulated more MVPA during the school commute time (before school: 8.3±6.7 vs 5.3±3.8 minutes, p<0.001; after school: 10.1±6.0 vs 7.7±4.3 min, p=0.003), but overall spent more time sedentary (584.9±84.7 vs 527.8±88.2 minutes/day; p<0.001). CONCLUSION: PA in Otago adolescents is low, with significant differences by gender, sport participation, mode of travel to school and geographical setting. Increased PA should be encouraged in both urban and rural adolescents.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,243
Score d'incertitude au seuil0,483

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,056
Tête enseignante GPT0,331
Écart entre enseignants0,275 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetPhysical Activity and HealthTravaux en français237 207