Leisure sedentary time and physical activity are higher in neighbourhoods with denser greenness and better built environments: an analysis of the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
Associations of environmental variables with physical activity and sedentary time using data from the Canadian Longitudinal Study on Aging, and the Canadian Urban Environmental Health Research Consortium (Canadian Active Living Environments (Can-ALE) dataset, and Normalized Difference Vegetation Index (NDVI, greenness) dataset) were assessed. The main outcome variables were physical activity and sedentary time as measured by a modified version of the Physical Activity for Elderly Scale. The sample consisted of adults aged 45 and older (n = 36 580, mean age 62.6 ± 10.2, 51% female). Adjusted ordinal regression models consistently demonstrated that those residing in neighbourhoods in the highest Can-ALE category (most well-connected built environment) reported more physical activity and sedentary time. For example, males aged 75+ in the highest Can-ALE category had 2 times higher odds of reporting more physical activity (OR = 2.0, 95% CI = 1.1–3.5) and 1.8 times higher odds of reporting more sedentary time (OR = 1.8, 95% CI = 1.0–3.4). Neighbourhoods with higher greenness scores were also associated with higher odds of reporting more physical activity and sedentary time. It appears that an environment characterized by higher Can-ALE and higher greenness may facilitate physical activity, but it also facilitates more leisure sedentary time in older adults; research using device measured total sedentary time, and consideration of the types of sedentary activities being performed is needed. Novelty: Middle-aged and older adults living in neighbourhoods with higher Can-ALE scores and more greenness report more physical activity and leisure sedentary time Greenness is important for physical activity and sedentary time in middle-aged adults
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».