Gender gap for accelerometry-based physical activity across different age groups in five Brazilian cohort studies
Notice bibliographique
Résumé
ABSTRACT Objectives This study aims to evaluate the gender inequalities in accelerometer-based physical activity (PA) across different age groups using data from five Pelotas (Brazil) cohorts. Methods The data comes from four birth cohort studies, covering all live births in the urban area of Pelotas for each respective year (1982, 1993, 2004, and 2015), and the ‘ Como vai? ’ cohort study focusing on 60 years and above. Raw accelerometry data were collected on the non-dominant wrist using GENEActive/Actigraph devices and processed with the GGIR package. Overall PA was calculated at ages 1, 2, 4, 6, 11, 15, 18, 23, 30, and 60+ years, while moderate-to-vigorous PA (MVPA) was calculated from six years onwards. Absolute (difference) and relative (ratio) gender inequalities were calculated and intersectionality between gender and wealth was also evaluated. Results The sample sizes per cohort ranged from 965 to 3462 participants. The mean absolute gender gap was 19.3 minutes (95%CI: 12.7; 25.9), with the widest gap at 18 years (32.9 minutes; 95%CI: 30.1; 35.7) for MVPA. The highest relative inequality was found in older adults (ratio 2.0; 95%CI 1.92 to 2.08). Our intersectionality results showed that the poorest men being the most active group, accumulating around 60 minutes more MVPA per day compared with the wealthiest women at age 18. Conclusion Men were more physically active than women in all ages evaluated. PA gender inequalities start at an early age and intensifies in transition periods of life. Relative inequalities were marked among older adults. What is already known on this topic Gender inequalities in physical activity have been reported globally, but most of the evidence is focused in adolescents and young adults. The literature lacks studies on children and older adults. What this study adds We present gender inequalities in accelerometer-based physical activity across several age groups, from 1 year olds to older adults. How this study might affect research, practice or policy Ou study provides a comprehensive description of gender inequalities, identifying key age groups for intervention.
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 | 0,007 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».