Contexts of sedentary time and physical activity among ageing workers and recent retirees: cross-sectional GPS and accelerometer study
Notice bibliographique
Résumé
OBJECTIVES: We examined sedentary time and physical activity in different contexts among ageing workers, between their workdays and days off, and recent retirees, between their weekdays and weekend days. DESIGN: Cross-sectional study. SETTING: Finnish Retirement and Aging study and Enhancing physical activity and healthy ageing among recent retirees-Randomised controlled in-home physical activity trial. PARTICIPANTS: 137 workers (544 measurement days) and 53 retirees (323 days), who provided data for at least 1 workday/weekday and 1 day off/weekend day. PRIMARY AND SECONDARY OUTCOME MEASURES: Physical activity behaviour was measured with a combined Global Positioning System and accelerometer device (SenseDoc V.2.0), providing information on sedentary time, light physical activity and moderate-to-vigorous physical activity (MVPA) by locations (home or non-home) and trips (active travel, ie, speed <20 km/hour and passive travel, ie, speed ≥20 km/hour). RESULTS: Workers accumulated more sedentary time and physical activity at non-home locations than at home on workdays, while the opposite was confirmed for days off (p<0.01). Workers accrued more MVPA on days off than on workdays (34 vs 28 min, p<0.05), of which 9 min on workdays and 14 min on days off was accrued during active travel. Retirees' physical activity behaviour did not differ between weekdays and weekend days (p>0.05). Regardless of the day, retirees accumulated 33 min of daily MVPA, of which 14 min was accrued during active travel. CONCLUSIONS: Workers accumulated more MVPA on days off than on workdays, and their activity behaviour varied between workdays and days off at different locations. Our results showed that a large proportion of the MVPA was accumulated during travel at slower speeds, which suggests that active travel could be a feasible way to increase MVPA among older adults. TRIAL REGISTRATION NUMBER: NCT03320746.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».