MétaCan
Menu
Retour à la cohorte
Enregistrement W3193792689 · doi:10.2196/31278

The Influence of Social Distancing Behaviors and Psychosocial Factors on Physical Activity During the COVID-19 Pandemic: Cross-sectional Survey Study

2021· article· en· W3193792689 sur OpenAlexvenueno aff
Troy J. Cross, Jennifer Isautier, Sarah J. Morris, Bruce D. Johnson, Courtney M. Wheatley, Bryan J. Taylor

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Sydney
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)Social distance2019-20 coronavirus outbreakPsychosocialSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Cross-sectional studyDistancingEnvironmental healthPsychologyMedicineVirologyOutbreakPsychiatryDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic has arguably facilitated a shift toward increased sedentariness and reduced physical activity. Moreover, there is mounting evidence that mental health has also declined during the pandemic. However, it remains unknown to what extent social distancing (SD) behaviors and mental health have affected the physical activity levels of the general population. OBJECTIVE: The purpose of this study was to determine the influence of SD behaviors and prevailing mental health on the odds of being physically active during the early COVID-19 pandemic response. METHODS: A total of 4819 adults (2474/4819, 51.3%, female) from the US population with a median age of 46 (IQR 35-59) completed an online survey during the early pandemic response (April-June 2020). The survey included questions on adherence to 11 SD behaviors, and validated questionnaires which assessed self-reported physical activity, depression, anxiety, and mental well-being. Respondents were categorized into 2 physical activity groups: inactive (0-599 metabolic equivalent of task [MET]-minutes/week) and active (≥600 MET-minutes/week). A logistic generalized additive model (GAM) was used to determine which SD factors and mental health outcomes were associated with physical activity level. RESULTS: The GAM analysis revealed that wearing a facemask in public (odds ratio [OR] 1.46, 95% CI 1.14-1.79; P=.003), limiting the use of public transport (OR 1.47, 95% CI 1.19-1.83; P=.001), and restricting travel outside the house (OR 1.56, 95% CI 1.19-2.05; P=.002) were SD behaviors associated with higher odds of being more physically active. Conversely, avoiding physical activity outside the house was associated with higher odds of being inactive (OR 0.52, 95% CI 0.46-0.63; P<.001). Leaving the house more frequently, and a higher mental well-being were associated with increasing odds of being physically active (P<.001). Engaging with a moderate number of SD behaviors (3-7 total) was positively associated with physical activity, whereas a very high SD vigilance (ie, engaging with ≥10 total behaviors) decreased the odds of being active during the early pandemic response. CONCLUSIONS: Based on the findings of our study, we suggest that future public health messaging of SD guidelines should include (1) a clear portrayal of the benefits of regular exercise on mental health; and (2) a specific focus on how to be physically active outdoors in a COVID-safe manner.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,122
Tête enseignante GPT0,478
Écart entre enseignants0,356 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetCOVID-19 and Mental HealthTravaux en français237 207