Using combined Global Position System and accelerometer data points to examine how built environments and gentrification are associated with physical activity in four Canadian cities
Notice bibliographique
Résumé
BACKGROUND: Built and social environments are associated with physical activity. Global Positioning Systems (GPS) and accelerometer data can capture how people move through their environments and provide promising tools to better understand associations between environmental characteristics and physical activity. The purpose of this study is to examine the associations between GPS-derived exposure to built environment and gentrification characteristics and accelerometer-measured physical activity in a sample of adults across four cities. METHODS: We used wave 1 data from the Interventions, Research, and Action in Cities Team, a cohort of adults living in the Canadian cities of Victoria, Vancouver, Saskatoon, and Montreal. A subsample of participants wore a SenseDoc device for 10 days during May 2017-January 2019 to record GPS and accelerometry data. Two physical activity outcomes were derived from SenseDoc data: time spent in light, moderate, and vigorous physical activity; and time spent in moderate or vigorous physical activity. Using corresponding GPS coordinates, we summarized physical activity outcomes by dissemination area-a Canadian census geography that represents areas where 400 to 700 people live- and joined to built (active living space, proximity to amenities, and urban compactness) and gentrification measures. We examined the associations between environmental measures and physical activity outcomes using multi-level negative binomial regression models that were stratified by city and adjusted for covariates (weekday/weekend), home dissemination area, precipitation, temperature) and participant-level characteristics obtained from a survey (age, gender, income, race). RESULTS: We found that adults spent more time being physically active near their homes, and in environments that were more walkable and near parks and less time in urban compact areas, regardless of where participants lived. Our analysis also highlighted how proximity to different amenities was linked to physical activity across different cities. CONCLUSIONS: Our study provides insights into how built environment and gentrification characteristics are associated with the amount of time adults spend being physically active in four Canadian cities. These findings enhance our understanding of the influence that environments have on physical activity over time and space, and can support policies to increase physical activity.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».