Impacts of commute mode on body mass index: A longitudinal analysis before and during the COVID-19 pandemic
Notice bibliographique
Résumé
Introduction: COVID-19 has impacted millions of commuters by decreasing their mobility and transport patterns. While these changes in travel have been studied, less is known about how commute changes may have impacted individuals' body mass index (BMI). The present longitudinal study explores the relationship between commute mode and BMI of employed individuals in Montréal, Canada. Methods: This study uses panel data drawn from two waves of the Montréal Mobility Survey (MMS) conducted before and during the COVID-19 pandemic (n = 458). BMI was modeled separately for women and men as a function of commuting mode, WalkScore©, sociodemographic, and behavioral covariates using a multilevel regression modeling approach. Results: For women, BMI significantly increased during the COVID-19 pandemic, but telecommuting frequency, and more specifically telecommuting as a replacement of driving, led to a statistically significant decrease in BMI. For men, higher levels of residential local accessibility decreased BMI, while telecommuting did not have a statistically significant effect on BMI. Conclusions: This study's findings confirm previously observed gendered differences in the relations between the built environment, transport behaviors, and BMI, while offering new insights regarding the impacts of the changes in commute patterns linked to the COVID-19 pandemic. Since some of the COVID-19 impacts on commute are expected to be lasting, findings from this research can be of use by health and transport practitioners as they work towards generating policies that improve population health.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 ».