The temporal relationship between physical activity, mood, and sleep in older adults via a lead‐lag analysis
Notice bibliographique
Résumé
Abstract Background Physical Activity, sleep, and mood are key modifiable lifestyle behaviours that are individually associated with lower cognitive decline [1]. Prior research suggests there may be a tridirectionally relationship among these three behaviours. The temporal relationship among these behaviours is unknown. Using an Ecological Momentary Assessment (ECA) and a time series analysis we aim to understand the temporal and longitudinal relationship among these factors. Method We performed a 10‐day lead‐lag analysis using Moderate‐to‐Vigorous Physical Activity (MVPA) and sleep as measured by a 24‐hour wrist‐worn accelerometer, and a self‐assessed daily mood scale on 30 community dwelling older adults who participated in a behavioural study to enhance physical activity in sedentary individuals (Clinicaltrials.gov identifier: NCT04315363). Participants were included if they did not exercise more than 150 minutes of MVPA per week (International Physical Activity Questionnaire) and were sitting more than 8 hours per day (Marshall Sitting Questionnaire). We examine each variable separately for auto‐correlative relationships for different timepoints of the same variable. The temporal dynamics are calculated from the rank‐order of the lead‐lag coefficients. The relationships between different timepoints of mood, MVPA, and sleep are examined through cross‐correlations. Results Autocorrelations showed that mood presented seasonality with baseline mood positively correlated to the subsequent day’s mood (r = +.571, p = .037) and negatively correlated with mood at day 7 (r = ‐.330, p = 0.27) and day 8 (r = ‐.248, p = .013). The temporal dynamics identified mood (B = +.602), preceding MVPA time (B = ‐.001), and sleep time (B = ‐.276) (Figure 1). Furthermore, cross‐correlations demonstrated that mood was positively correlated to MVPA at the same time point (r = ‐.605) and also that previous day mood predicted next day’s MVPA (r = ‐.629). Cross‐correlations confirmed that MVPA (r = ‐.507) and mood (r = ‐.504) predicted next day’s sleep time. Conclusion Improved mood precedes the increase in MVPA and sleep time in sedentary older adults. Understanding temporal dynamics between mood, sleep time, and MVPA, can help develop better interventions targeting increase in physical activity in older adults. Reference: [1] 2020 Report of the Lancet Commission. https://doi.org/10.1016/S0140‐6736(20)30367‐6.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».