1185The association between neighbourhood built environment and health-related fitness: A systematic review
Notice bibliographique
Résumé
Abstract Background Few studies have investigated potential links between the built environment and health-related fitness, even though there is some evidence linking neighbourhood built environments to physical activity behaviors and chronic health conditions. Methods Following PRISMA guidelines eight databases were searched from inception to August 2020 using a combination of built environment and health-related fitness terms. Inclusion criteria was limited to quantitative studies that sampled of adults aged 18 years or older with no physical disabilities or health issues that may impact health-related fitness. Results Of the 26,219 citations identified within our comprehensive search, 25 studies met eligibility and underwent data extraction and quality assessment. Objectively measured built environment characteristics (e.g., improved sidewalks, higher street connectivity, older neighbourhoods, higher residential density, and higher land use mix) were associated with increased flexibility, cardiorespiratory fitness, grip strength, and body composition. Moreover, perceptions of neighbourhood features such as higher neighbourhood walkability, greater park access and quality, and lower neighbourhood crime, were associated with increased perceived cardiorespiratory fitness, muscular strength, flexibility, and overall fitness. However, many of these findings were from cross-sectional studies where adjustment for key confounders varied. Results also varied by sex in the small number of studies that provided sex-specific stratifications. Conclusions This project may help elucidate the pathway between the built environment and health-related fitness. Key messages Neighbourhood built environment features are associated with aspects of health-related fitness.
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 | 0,013 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,002 |
| 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 | 0,001 |
| 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 ».