MétaCan
Menu
Retour à la cohorte
Enregistrement W3207556027 · doi:10.2196/28317

Impact of the COVID-19 Pandemic on Objectively Measured Physical Activity and Sedentary Behavior Among Overweight Young Adults: Yearlong Longitudinal Analysis

2021· article· en· W3207556027 sur OpenAlexvenueno aff
Victoria Lawhun Costello, Guillaume Chevance, David Wing, Shadia Mansour-Assi, Sydney Sharp, Natalie M. Golaszewski, Elizabeth A. Young, Michael Higgins, Anahi Ibarra, Britta Larsen, Job Godino

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2021
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensnon disponible
Organismes subventionnairesNational Heart, Lung, and Blood InstituteNational Institute on Aging
Mots-clésOverweightLinear regressionGerontologyDemographyPandemicMedicineSedentary behaviorSedentary lifestylePhysical activityObesityRegression analysisPhysical therapyCoronavirus disease 2019 (COVID-19)StatisticsMathematicsDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic has impacted multiple aspects of daily living, including behaviors associated with occupation, transportation, and health. It is unclear how these changes to daily living have impacted physical activity and sedentary behavior. OBJECTIVE: In this study, we add to the growing body of research on the health impact of the COVID-19 pandemic by examining longitudinal changes in objectively measured daily physical activity and sedentary behavior among overweight or obese young adults participating in an ongoing weight loss trial in San Diego, California. METHODS: ) participants aged from 18 to 35 years between November 1, 2019, and October 30, 2020, by using the Fitbit Charge 3 (Fitbit LLC). After conducting strict filtering to find valid data on consistent wear (>10 hours per day for ≥250 days), data from 97 participants were analyzed to detect multiple structural changes in time series of physical activity and sedentary behavior. An algorithm was designed to detect multiple structural changes. This allowed for the automatic identification and dating of these changes in linear regression models with CIs. The number of breakpoints in regression models was estimated by using the Bayesian information criterion and residual sum of squares; the optimal segmentation corresponded to the lowest Bayesian information criterion and residual sum of squares. To quantify the changes in each outcome during the periods identified, linear mixed effects analyses were conducted. In terms of key demographic characteristics, the 97 participants included in our analyses did not differ from the 210 participants who were excluded. RESULTS: After the initiation of the shelter-in-place order in California on March 19, 2021, there were significant decreases in step counts (-2872 steps per day; 95% CI -2734 to -3010), light physical activity times (-41.9 minutes; 95% CI -39.5 to -44.3), and moderate-to-vigorous physical activity times (-12.2 minutes; 95% CI -10.6 to -13.8), as well as significant increases in sedentary behavior times (+52.8 minutes; 95% CI 47.0-58.5). The decreases were greater than the expected declines observed during winter holidays, and as of October 30, 2020, they have not returned to the levels observed prior to the initiation of shelter-in-place orders. CONCLUSIONS: Among overweight or obese young adults, physical activity times decreased and sedentary behavior times increased concurrently with the implementation of COVID-19 mitigation strategies. The health conditions associated with a sedentary lifestyle may be additional, unintended results of the COVID-19 pandemic.

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)0,007
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,068
Tête enseignante GPT0,379
Écart entre enseignants0,311 · 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 sujetPhysical Activity and HealthTravaux en français237 207