MétaCan
Menu
← Retour à la cohorte
Enregistrement W4311652724 · doi:10.1101/2022.12.05.22283101

Association between circadian physical activity patterns and mortality in the UK Biobank

2022· preprint· en· W4311652724 sur OpenAlexaff
Michael J. Stein, Hansjörg Baurecht, Anja M. Sedlmeier, Julian Konzok, Patricia Bohmann, Emma Fontvieille, Laia Peruchet‐Noray, Jack Bowden, Christine M. Friedenreich, Béatrice Fervers, Pietro Ferrari, Marc J. Gunter, Heinz Freisling, Michael F. Leitzmann, Vivian Viallon, Andrea Weber

Notice bibliographique

RevuemedRxiv · 2022
Typepreprint
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensUniversity of CalgaryAlberta Health Services
Organismes subventionnairesMedical Research CouncilNational Cancer InstituteInstitut National Du CancerWorld Cancer Research FundNorthwest Regional Development AgencyDeutsche ForschungsgemeinschaftNational Institute for Health and Care ResearchWorld Cancer Research Fund InternationalDepartment of Health and Social CareBritish Heart FoundationWellcome Trust
Mots-clésBiobankDemographyMedicineHazard ratioCohortProportional hazards modelPopulationCohort studyGerontologyConfidence intervalInternal medicineEnvironmental healthBiologyBioinformatics

Résumé

récupéré en direct d'OpenAlex

Abstract Importance The benefit of physical activity (PA) for increasing longevity is well-established, however, the impact of diurnal timing of PA on mortality remains poorly understood. Objective To derive PA patterns and investigate their associations with all-cause mortality. Design, Setting, and Participants This population-based prospective cohort study analyzed UK Biobank baseline data collected between 2006 and 2010 from adults aged 40 to 79 years in England, Scotland, and Wales. Participants were invited by email to participate in an additional accelerometer study from 2013 to 2015, 7 years (median) after baseline. Participants’ vital status was assessed via linkage with mortality registries through September 2021 (England/Wales) and October 2021 (Scotland). Data analyses were performed in July 2022. Exposure Loading scores of functional principal components (fPCs) obtained from wrist accelerometer-measured activity metrics. The ‘Euclidean norm minus one’ was used as a summary metric of bodily acceleration aggregated to 24 hourly averages across seven days. These timeseries were used for functional principal component analysis (fPCA). Main Outcomes and Measures Examination of time-dependent PA patterns obtained using functional principal component analysis in relation to all-cause mortality estimated by multivariable Cox proportional hazard models. Results Among 96,361 participants (56% female), 2,849 deaths occurred during 6.9 (SD 0.9) years of follow-up. Four distinct functional principal components (fPCs) accounted for 96% of the variation of the accelerometry data. The association of fPC1 and mortality was non-linear (p<0.001). Using a loading score of zero as the reference, a fPC1 score of +2 (high overall PA) was associated with lower mortality (0.91; 95% CI: 0.84–0.99), whereas a score of +1 showed no relation (0.94; 95% CI: 0.89–1.00). A fPC1 score of -2 (low overall PA) was associated with higher mortality (1.71; 95% CI: 1.58–1.84), as was a score of -1 (1.20; 95% CI: 1.13–1.26). A 1-unit score increase on fPC2 (high early day PA) was not associated with mortality (0.97; 95% CI: 0.93–1.02). For fPC3, a 1-unit score increase (high midday PA) was associated with decreased mortality (0.88; 95% CI: 0.84–0.94). In contrast, a 1-unit score increase on fPC4 (high midday and nocturnal PA) was associated with higher mortality (1.14; 95% CI: 1.06– 1.24). Conclusions and Relevance Higher risks of death were found for patterns denoting lower overall PA and higher late day and nocturnal PA. Conversely, higher levels of PA, distributed continuously, in one, or in two activity peaks during daytime, were inversely associated with lower mortality. Daily timing of PA may have public health implications, as our results suggest that some level of elevated PA during the day and a nighttime rest is associated with longevity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,079
Tête enseignante GPT0,367
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetPhysical Activity and Health→Travaux en français237 207→