Thirteen-Year Associations of Occupational and Leisure-Time Physical Activity with Cardiorespiratory Fitness in CARDIA
Notice bibliographique
Résumé
PURPOSE: Differential effects on fitness are hypothesized to contribute to the opposing health effects of leisure-time physical activity (LTPA) and occupational physical activity (OPA). As such, this study examined cross-sectional and longitudinal associations of fitness with LTPA and OPA. METHODS: This study examined fitness associations with LTPA and OPA across 13 yr in the Coronary Artery Risk Development in Young Adults study (years 7 (baseline), 10, 15, and 20 (follow-up) examinations). Fitness was measured at baseline and follow-up via symptom-limited maximal graded exercise test (GXT) duration (in seconds), whereas LTPA and OPA were self-reported during each examination. Baseline and follow-up cross-sectional associations of LTPA (low, medium, high) and OPA (0, 1-6, and ≥6 months with OPA) with fitness were examined using linear regression. Longitudinal linear regression examined associations between 13-yr LTPA (low, medium, or high) and OPA (no, decreasing, or increasing) trajectories with fitness at follow-up, adjusted for baseline values. All models adjusted for center, sex, race, age, education, smoking history, alcohol intake, resting blood pressure, diabetes status, and body mass index. Stratified analyses examined associations by sex (female/male), race (Black/White), and LTPA groups. RESULTS: Compared with low, medium, and high LTPA were positively associated with fitness in all analyses ( P < 0.001). Reporting 1-6 or ≥6 months with OPA was negatively associated with fitness in cross-sectional follow-up models ( β = -15.6 and -15.4, respectively; P ≤ 0.01). Longitudinally, those with increasing OPA had lower follow-up fitness compared with no OPA ( β = -16.41, P < 0.01). Negative associations of OPA with fitness were not meaningfully different across sex and race groups. Significant LTPA-OPA interactions were observed ( P < 001). CONCLUSIONS: Physical activity research and public health promotion should consider domain-specific associations on cardiovascular 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 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».