Environmental Correlates of Physical Activity, Sedentary Behavior, and Self-Rated Health in Chronic Obstructive Pulmonary Disease
Notice bibliographique
Résumé
PURPOSE: Physical activity (PA) predicts important health outcomes in chronic obstructive pulmonary disease (COPD). In the general population, environmental factors have the potential to influence PA; however, data are limited in this clinical population. Therefore, we sought to investigate associations between the environment and PA, sedentary behavior, and self-rated health in COPD. METHODS: Sociodemographic, PA, sedentary behavior, and self-rated health data were collected from a prospective cohort of 418 individuals with COPD (65% female; 58 ± 8 yr), while environmental data were drawn from a national environmental data repository and individually matched to participant postal code. Environmental variables included social and material deprivation, urban form index, surrounding greenness, and air quality (concentrations of air pollution for fine particles, nitrogen dioxide, ozone, and sulphur dioxide). Logistic and multivariate linear regression models were used to investigate the strongest environmental predictors. RESULTS: The models showed a statistically significant negative correlation between PA level and ozone pollution (P = .023; adjusted OR = 0.85: 95% CI, 0.74-0.98). Urban form index was also significantly associated with sedentary behavior (β = 0.113; t value = 1.71; P = .011). Self-rated health was significantly positively correlated with PA level (P = .006; adjusted OR = 2.22: 95% CI, 1.25-3.94), and significantly inversely correlated with sedentary behavior (β = -0.159; t value =-2.42; P = .016). CONCLUSION: These new data may identify barriers to PA and assist clinicians in the prescription of exercise for individuals living with COPD.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».