MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399397881 · doi:10.2196/58761

Moderation Effects of Streetscape Perceptions on the Associations Between Accessibility, Land Use Mix, and Bike-Sharing Use: Cross-Sectional Study

2024· article· en· W4399397881 sur OpenAlexvenueno aff
Huagui Guo, Shuyu Zhang, Xinwei Xie, Jiang Liu, Hung Chak Ho

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésModerationCross-sectional studyPerceptionPsychologyEnvironmental healthSocial psychologyMedicineStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Background: Cycling is known to be beneficial for human health. Studies have suggested significant associations of physical activity with macroscale built environments and streetscapes. However, whether good streetscapes can amplify the benefits of a favorable built environment on physical activity remains unknown. Objective: This study examines whether streetscape perceptions can modify the associations between accessibility, land use mix, and bike-sharing use. Methods: This cross-sectional study used data from 18,019,266 bike-sharing orders during weekends in Shanghai, China. A 500 × 500 m grid was selected as the analysis unit to allocate data. Bike-sharing use was defined as the number of bike-sharing origins. Street view images and a human-machine adversarial scoring framework were combined to evaluate lively, safety, and wealthy perceptions. Negative binomial regression was developed to examine the independent effects of the three perceptual factors in both the univariate model and fully adjusted model, controlling for population density, average building height, distance to nearest transit, number of bus stations, number of points of interest, distance to the nearest park, and distance to the central business district. The moderation effect was then investigated through the interaction term between streetscape perception and accessibility and land use mix, based on the fully adjusted model. We also tested whether the findings of streetscape moderation effects are robust when examinations are performed at different geographic scales, using a small-sample statistics approach and different operationalizations of land use mix and accessibility. Results: High levels of lively, safety, and wealthy perceptions were correlated with more bike-sharing activities. There were negative effects for the interactions between the land use Herfindahl-Hirschman index with the lively perception (β=-0.63; P=.01) and safety perception (β=-0.52; P=.001). The interaction between the lively perception and road intersection density was positively associated with the number of bike-sharing uses (β=0.43; P=.08). Among these, the lively perception showed the greatest independent effect (β=1.29; P<.001), followed by the safety perception (β=1.22; P=.001) and wealthy perception (β=0.72; P=.001). The findings were robust in the three sensitivity analyses. Conclusions: A safer and livelier streetscape can enhance the benefits of land use mix in promoting bike-sharing use, with a safer streetscape also intensifying the effect of accessibility. Interventions focused on streetscape perceptions can encourage cycling behavior and enhance the benefits of accessibility and land use mix. This study also contributes to the literature on potential moderators of built environment healthy behavior associations from the perspective of microscale environmental perceptions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,094
Tête enseignante GPT0,397
Écart entre enseignants0,303 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and Surveillance→Même sujetUrban Transport and Accessibility→Travaux en français237 207→