Relationship between physical activity and mental health in a national representative cross-section study: Its variations according to obesity and comorbidity
Notice bibliographique
Résumé
BACKGROUND: Physical activity is positively associated with mental health in obese people with chronic comorbidities. However, how physical activity types (PATs), physical activity frequency (PAF), and physical activity duration (PAD) are associated with mental health need to be further clarified. The current study investigated and compared the effectiveness of PATs, physical activity frequency PAF and PAD for mental health in obese people with various chronic comorbid conditions. METHODS: This cross-sectional study included 871,919 adults who participated in the Behavioral Risk Factor Surveillance System (BRFSS). They were divided into four groups: healthy people, obese people with 0, 1, and 2+ chronic comorbid conditions. The zero-inflated negative binomial (ZINB) regression model and the generalized additive model were used to explore the association between physical activity and mental health burden in the four groups, respectively. RESULTS: Jogging (30.00%), hiking (28.36%) and bicycling (28.32%) have greater improvement in mental health of healthy people; jogging (19.25%), golf (19.95%) and bicycling machine exercise (19.13%) showed a greater improvement in mental health of obese people with no chronic comorbid condition; and aerobic exercise videos or class showed a greater improvement in mental health of obese people with one chronic comorbid condition (22.14%) and obese people with two or more chronic comorbid conditions (19.60%). Non-linear relationships were observed between PAF, PAD, and energy expenditure and mental health. The healthy participants who exercised about 10-15 times a month and 40-50 min per session or about 400-600 METs-min per week had greater benefits for mental health. However, the lowest point of the smooth curve moved to the left with an increasing number of chronic comorbid conditions in obese people. CONCLUSIONS: Almost all PATs were associated with better mental health, but their benefits decreased with increasing number of chronic comorbid conditions in obese people. There were U-shaped relationships between mental health and weekly physical activity frequency, duration, and METs-min.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».