Can an active lifestyle offset the relationship that poor lifestyle behaviours have on frailty?
Notice bibliographique
Résumé
OBJECTIVE: To examine the association of lifestyle behaviours (LSB) with physical activity (PA) and frailty; also, to examine if associations differ by sex and age. METHODS: 24,828 individuals [49.6 ± 17.6 years (range: 20-85), 51.6 % female] from the National Health and Nutrition Examination Survey (cycles 2009-2018) were included. Individuals were divided into Active (≥150 min/week of moderate-to-vigorous physical activity (MVPA)) and Inactive (<150 min/week MVPA) based on self-reported PA. Frailty was measured by a 46-item Frailty Index (FI). LSB consisted of stationary time, sleep, diet quality, and alcohol and smoking habits. LSB was summed into a score [0-5]. Linear regression models were used with each LSB in isolation and the summed LSB with frailty. RESULTS: There were 7,495 (30.1 %) Active and 17,333 (69.8 %) Inactive individuals. The FI was lower in the Active participants (Active: 0.10 ± 0.08; Inactive: 0.15 ± 0.12; p < 0.01). A worse LSB score was associated with an increased FI in all behaviours but females who binge drink and smoke (p-all>0.14). For inactive individuals, all LSBs were associated with an increased FI except those who binge drink and male smokers (p = 0.08). There was a significant association between increased summed LSB and an increased FI (β range: Active, 0.024-0.037; Inactive, 0.028, 0.046. p-all<0.01); the Active group had a lower FI at every age group than the Inactive group (p < 0.001). CONCLUSION: PA was associated with a lower FI even among those with a poor LSB score. This association is dependent on age, with older individuals reporting a stronger association.
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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».