Recent Cannabis Use and Accelerometer-Measured Physical Activity and Sedentary Behavior Among Young-to-Midlife Adults: An Analysis of the National Health and Nutrition Examination Survey from 2011 to 2014
Notice bibliographique
Résumé
Introduction: Cannabis use has been associated with reduced physical activity and increased sedentary behavior in adolescents. In adults, however, there is no conclusive evidence of such an association, and existing studies have primarily relied on self-reported activity measures. As cannabis use increases globally, a deeper understanding of its relationship with activity levels may inform clinical counseling and guidelines. This study investigated the association between recent cannabis use and accelerometer-measured activity. Methods: Data were obtained from the National Health and Nutrition Examination Survey (NHANES) from 2011 to 2014. We included adults in the United States who responded to a cannabis questionnaire and had at least 4 days of activity data from an ActiGraph GT3X+ accelerometer, which comprised participants from 18 to 59 years. The primary exposure was any self-reported cannabis use in the past 30 days. The primary outcome was daily sedentary time and secondary outcomes were daily light physical activity (LPA) and moderate-to-vigorous physical activity (MVPA). Analyses were performed with multivariable quasi-Poisson regression models. Results: Of 4666 included adults, 658 (14.1%) reported recent cannabis use. After covariate adjustment, recent cannabis use was not associated with daily sedentary time (adjusted incidence rate ratio [aIRR] 0.99, 95% confidence interval [CI]: 0.98–1.01) or daily MVPA time (aIRR 1.01, 95% CI: 0.98–1.04). Daily LPA time was 4% greater with recent cannabis use (aIRR 1.04, 95% CI: 1.01–1.06). Conclusion: Recent cannabis use in young to midlife adults was not associated with accelerometer-measured sedentary or MVPA time, but it was associated with a marginal increase in LPA time of unclear clinical significance. Our findings provide evidence against existing concerns that cannabis use independently promotes sedentary behavior and decreases physical activity. Future prospective studies are needed to determine if these findings generalize to specific populations using cannabis including chronic pain patients.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».