Epidemiology of physical inactivity in Nigeria: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Physical activity is crucial to preventing noncommunicable diseases. This study aimed to provide up-to-date evidence on the epidemiology of insufficient physical activity across Nigeria to increase awareness and prompt relevant policy and public health response. METHODS: A systematic literature search of community-based studies on physical inactivity was conducted. We constructed a meta-regression epidemiologic model to determine the age-adjusted prevalence and number of physically inactive persons in Nigeria for 1995 and 2020. RESULTS: Fifteen studies covering a population of 13 814 adults met our selection criteria. The pooled crude prevalence of physically inactive persons in Nigeria was 52.0% (95% CI: 33.7-70.4), with prevalence in women higher at 55.8% (95% CI: 29.4-82.3) compared to men at 49.3% (95% CI: 24.7-73.9). Across settings, prevalence of physically inactive persons was significantly higher among urban dwellers (56.8%, 35.3-78.4) compared to rural dwellers (18.9%, 11.9-49.8). Among persons aged 20-79 years, the total number of physically inactive persons increased from 14.4 million to 48.6 million between 1995 and 2020, equivalent to a 240% increase over the 25-year period. CONCLUSIONS: A comprehensive and robust strategy that addresses occupational policies, town planning, awareness and information, and sociocultural and contextual issues is crucial to improving physical activity levels in Nigeria.
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 | 0,013 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,031 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».