Neighborhood greenness, but not walkability, is associated with self-rated measures of health in older adults: An analysis of the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
The purpose of this analysis was to determine whether older Canadians residing in neighborhoods characterized by denser greenness or higher walkability have better self-reported health outcomes at 3-year follow-up. Data on self-reported chronic diseases (composite score of 10 conditions) and self-rated measures of health (general health, mental health, and healthy aging) from the Canadian Longitudinal Study on Aging (CLSA) were used as outcomes. The CLSA database was linked with the Canadian Active Living Environments (Can-ALE), a measure of walkability, and Normalized Difference Vegetation Index (NDVI), a measure of greenness. The analytic sample consisted of adults aged 65 and older (n = 15339, age 72.9 ± 5.6, 50 % female). Crude and adjusted associations were assessed using Poisson regression and proportional odds regression modelling. The 4th quartile of greenness was associated with the chronic disease index and all three measures of self-rated health (general health, mental health, and healthy aging); living in a neighborhood with the highest greenness was associated with better health three years later when compared to those in the lowest quartile of greenness. After adjustment for covariates of age, sex, income, education, and physical activity levels, only the association for the 3rd quartile of greenness was significantly associated with general health (OR: 0.90, 95 %CI: 0.81–0.99) and mental health (OR: 0.88, 95 %CI: 0.79-0.97). Can-ALE was not associated with any of the outcomes assessed. Future research assessing perceived environmental walkability and geriatric relevant health outcomes rather than chronic disease may provide greater insight into our understanding of age-friendly environments.
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 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».