Abstract 13362: Socio-ecological Variables Influenced Moderate-to-vigorous Intensity Physical Activity Levels Amongst Hospital-based Nurses: A Multi-site Study
Notice bibliographique
Résumé
Introduction: Previous research has shown that nurses are not meeting recommended moderate-to-vigorous intensity PA (MVPA) guidelines (≥150 minutes/week) for optimal cardiovascular disease risk reduction. Socio-ecological approaches have been used to explore the determinants of PA levels. We examined personal, social and environmental factors associated with the MVPA levels of Canadian nurses. Methods: Secondary analysis of data from a multi-site cross-sectional study was undertaken. Nurses were recruited from 14 hospitals in Ontario, Canada. An accelerometer (ActiGraph GT3X) was used to measure MVPA levels (minutes/day). Socio-ecological variables were derived from sociodemographic, anthropometric and cardiometabolic data, and questionnaires assessing determinants of PA (Table 1). Multivariate generalized estimating equations (GEE) were used to explore associations between socio-ecological variables and MVPA levels while accounting for hospital sites. Variables were selected for multivariate analyses if they were significant ( p <0.05) in univariate analyses. Results: A total of 257 nurses (42±12 years) had complete accelerometer (≥10 hours of wear time for ≥4 days) and questionnaire data. Of these nurses, 54% were overweight/obese and 6% were smokers. Multivariate analyses showed positive associations between MVPA levels and high perceived capability to exercise despite common barriers (e.g. poor weather; β=0.13, p =0.02) and feeling connected to their exercise peers (β=1.34, p =0.01). Greater shiftwork associated daytime sleepiness and/or insomnia were inversely associated with MVPA levels (β=-4.87, p <0.01). Conclusion: Future endeavors to accentuate nurses’ PA levels should address modifiable socio-ecological variables such as encouraging exercise despite common barriers, and with peers to whom they feel connected. Nurses should consider increasing time spent engaging in MVPA to minimize the negative effects of shiftwork.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».