Priorities and Indicators for Economic Evaluation of Built Environment Interventions to Promote Physical Activity
Notice bibliographique
Résumé
BACKGROUND: Built environment approaches to promoting physical activity can provide economic value to communities. How best to assess this value is uncertain. This study engaged experts to identify a set of key economic indicators useful for evaluation, research, and public health practice. METHODS: Using a modified Delphi process, a multidisciplinary group of experts participated in (1) one of 5 discussion groups (n = 21 experts), (2) a 2-day facilitated workshop (n = 19 experts), and/or (3) online surveys (n = 16 experts). RESULTS: Experts identified 73 economic indicators, then used a 5-point scale to rate them on 3 properties: measurement quality, feasibility of use by a community, and influence on community decision making. Twenty-four indicators were highly rated (≥3.9 on all properties). The 10 highest-rated "key" indicators were walkability score, residential vacancy rate, housing affordability, property tax revenue, retail sales per square foot, number of small businesses, vehicle miles traveled per capita, employment, air quality, and life expectancy. CONCLUSION: This study identified key economic indicators that could characterize the economic value of built environment approaches to promoting physical activity. Additional work could demonstrate the validity, feasibility, and usefulness of these key indicators, in particular to inform decisions about community design.
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 | 0,241 | 0,284 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,018 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».