Neighborhood Built Environment and Sleep Health: A Longitudinal Study in Low-Income and Predominantly African-American Neighborhoods
Notice bibliographique
Résumé
In the present study, we examined the associations between physical characteristics of neighborhoods and sleep health outcomes and assessed the mediating role of physical activity in these associations. A longitudinal study (the Pittsburgh Hill/Homewood Research on Eating, Shopping, and Health (PHRESH) Zzz Study; n = 1,051) was conducted in 2 low-income, predominately African-American neighborhoods in Pittsburgh, Pennsylvania, with repeated measures of neighborhood characteristics and sleep health outcomes from 2013 to 2018. Built environment measures of walkability, urban design, and neighborhood disorder were captured from systematic field observations. Sleep health outcomes included insufficient sleep, sleep duration, wakefulness after sleep onset, and sleep efficiency measured from 7-day actigraphy data. G-computations based on structural nested mean models were used to examine the total effects of each built environment feature, and causal mediation analyses were used to evaluate direct and indirect effects operating through physical activity. Urban design features were associated with decreased wakefulness after sleep onset (risk difference (RD) = -1.26, 95% confidence interval (CI): -4.31, -0.33). Neighborhood disorder (RD = -0.46, 95% CI: -0.86, -0.07) and crime rate (RD = -0.54, 95% CI: -0.93, -0.08) were negatively associated with sleep efficiency. Neighborhood walkability was not associated with sleep outcomes. We did not find a strong and consistent mediating role of physical activity. Interventions to improve sleep should target modifiable factors, including urban design and neighborhood disorder.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».