Physical activity in birth cohorts of three Brazilian cities (Ribeirão Preto, Pelotas, and São Luís): A cross-sectional study
Notice bibliographique
Résumé
OBJECTIVE: To describe the prevalence of physical activity among subjects from birth cohorts of three cities located in different regions of Brazil according to sociodemographic characteristics and sex, comparing the relationships within and between cohorts. METHODS: Cross-sectional study involving 12,724 adolescents and young adults who participated in five birth cohorts: Ribeirão Preto [1978/79 (37/39 years old in 2016) and 1994 (22 years in 2016)]; Pelotas [1982 (30 years in 2012) and 1993 (22 years in 2015)], and São Luís [1997/98 (18/19 years in 2016)]. Leisure-time physical activity was evaluated with questionnaires (insufficiently active: <150 min/week and active: ≥150 min/week) and moderate and vigorous physical activity (MVPA) was objectively measured by accelerometry. Those, in each city, were evaluated accordingly to skin color, socioeconomic classification, and study/work activities. RESULTS: The prevalence of leisure-time physical activity ranged from 29.2% at 30 years old in Pelotas to 54.6% among adolescents from São Luís. The prevalence of leisure-time physical activity was higher among younger people (54.6% in São Luís 1997), while the same was not observed for total physical activity. MVPA (3rd tercile) was higher in the cohorts from Pelotas and São Luís. The prevalence of leisure-time physical activity and MVPA was higher in men. The data showed that the variation in physical activity was associated with sex and sociodemographic conditions in all cohorts. CONCLUSION: Sociodemographic characteristics should be considered when promoting leisure-time physical activity and actions aimed at young people, and adults who are more socioeconomically vulnerable should be encouraged.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 ».