Travel to school patterns and perceptions of walking to school in New Zealand adolescents before versus during the COVID-19 pandemic
Notice bibliographique
Résumé
In many countries, adolescents' active school travel rates were declining prior to the onset of the COVID-19 pandemic. Subsequent changes in active school travel have not yet been investigated systematically. This study compared school travel modes and adolescents' perceptions of walking to school 5–6 years before (period 1 (P1)) and 1–2 years after (period 2 (P2)) the onset of the COVID-19 pandemic. Adolescents from Dunedin, New Zealand, completed an online questionnaire about their school travel and perceptions of walking to school in 2014–2015 (P1; n = 1463; 55.2% female) and 2021–2022 (P2; n = 1421; 44.4% female). Home-to-school distance was calculated using Geographic Information Systems. Data analysis included Chi-square tests, logistic regression and ordinary least squares regression. The odds of adolescents walking to school ‘all the time’ or ‘most of the time’ versus ‘never’, ‘sometimes’ or ‘rarely’ were significantly lower in P2 compared with P1. The odds following the pandemic onset were only 0.58 of those pre-pandemic (95% CI: 0.43–0.79), controlling for differences between the two samples. During the same period the proportion of adolescents living in households with ≥2 vehicles increased from 69% to 78%. Adolescents' attitudes towards walking to school indicated significantly lower intentions and higher perceived barriers to walking to school in P2 versus P1, although differences were smaller among those living within walking distance to school. These findings highlight the need for renewed and extended efforts from cross-sectoral actors to support active school transport among adolescents during COVID-19 pandemic recovery efforts and in future similar events.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».