Association of daily sitting time and leisure-time physical activity with body fat among U.S. adults
Notice bibliographique
Résumé
BACKGROUND: Prolonged sitting and reduced physical activity lead to low energy expenditures. However, little is known about the joint impact of daily sitting time and physical activity on body fat distribution. We investigated the independent and joint associations of daily sitting time and physical activity with body fat among adults. METHODS: This was a cross-sectional analysis of U.S. nationally representative data from the National Health and Nutrition Examination Survey 2011-2018 among adults aged 20 years or older. Daily sitting time and leisure-time physical activity (LTPA) were self-reported using the Global Physical Activity Questionnaire. Body fat (total and trunk fat percentage) was determined via dual X-ray absorptiometry. RESULTS: Among 10,808 adults, about 54.6% spent 6 h/day or more sitting; more than one-half reported no LTPA (inactive) or less than 150 min/week LTPA (insufficiently active) with only 43.3% reported 150 min/week or more LTPA (active) in the past week. After fully adjusting for sociodemographic data, lifestyle behaviors, and chronic conditions, prolonged sitting time and low levels of LTPA were associated with higher total and trunk fat percentages in both sexes. When stratifying by LTPA, the association between daily sitting time and body fat appeared to be stronger in those who were inactive/insufficiently active. In the joint analyses, inactive/insufficiently active adults who reported sitting more than 8 h/day had the highest total (female: 3.99% (95% confidence interval (95%CI): 3.09%-4.88%); male: 3.79% (95%CI: 2.75%-4.82%)) and trunk body fat percentages (female: 4.21% (95%CI: 3.09%-5.32%); male: 4.07% (95%CI: 2.95%-5.19%)) when compared with those who were active and sitting less than 4 h/day. CONCLUSION: Prolonged daily sitting time was associated with increased body fat among U.S. adults. The higher body fat associated with 6 h/day sitting may not be offset by achieving recommended levels of 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».