MétaCan
Menu
← Retour à la cohorte
Enregistrement W4401168635 · doi:10.1101/2024.07.29.24311197

Effectiveness of interventions for modal shift to walking and bike riding: a systematic review with meta-analysis

2024· review· en· W4401168635 sur OpenAlexaffabout
Lauren Pearson, Matthew J. Page, Robyn Gerhard, Nyssa Clarke, Meghan Winters, Adrian Bauman, Laolu Arogundade, Ben Beck

Notice bibliographique

RevuemedRxiv · 2024
Typereview
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésPsycINFOPsychological interventionMeta-analysisCyclingPopulationPhysical therapyMedicineSystematic reviewMEDLINEPhysical medicine and rehabilitationEnvironmental healthPsychiatry

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Objective To assess the efficacy of interventions aimed at increasing walking and cycling. Design Systematic review with meta-analysis Study selection The electronic databases MEDLINE, PsycINFO and Web of Science were searched from inception on 22 nd May 2023. Eligible study designs included randomised and non-randomised studies of interventions with specific study design features that enabled estimation of causality. No restrictions on type of outcome measurement, publication date or population age were applied. Data extraction and synthesis Two reviewers independently extracted data and conducted quality assessment with Joanna Briggs Quality Assessment tools. Studies were categorised by intervention types described within the Behaviour Change Wheel. Where possible, random-effects meta-analyses were used to synthesise results within intervention types. Main outcome measures The main outcome of interest was modal shift to active modes (walking and cycling). Other outcomes of interest included cycling and walking duration, frequency and counts, active transport duration and frequency, and moderate to vigorous physical activity duration (MVPA). Results 106 studies that assessed the impact of an intervention on walking, cycling or active transport overall were included. Findings demonstrate that physical environmental restructure interventions, such as protected bike lanes and traffic calming infrastructure, were effective in increasing cycling duration (OR = 1.70, 95% CI 1.20 – 2.22; 2 studies). Other intervention types, including individually tailored behavioural programmes, and provision of e-bikes were also effective for increasing cycling frequency (OR = 1.33, 95% CI 1.23-1.43; 1 study) and duration (OR = 1.13, 95% CI 1.02.-1.22, 1 study). An intensive education programme intervention demonstrated a positive impact on walking duration (OR = 1.96, 95% CI 1.68 – 2.21; 1 study). An individually tailored behavioural programme (OR = 1.23, 95% CI 1.08 – 1.40; 3 studies) and community walking programme (OR = 1.15, 95% CI 1.14 – 1.17; 1 study) also increased the odds of increased walking duration. This body of research would benefit from more rigour in study design to limit lower quality evidence with the potential for bias. Conclusions This review provides evidence for investment in high-quality active transportation infrastructure, such as protected bike lanes, to improve cycling and active transport participation overall. It also provides evidence for investment in other non-infrastructure interventions. Further research to understand which combinations of intervention types are most effective for modal shift are needed. Active transport research needs to include more robust trials and evaluations with consistent outcome measures to improve quality of evidence and provide evidence on which interventions (or combinations of interventions) are most effective. Study registration PROSPERO CRD42023445982 Funding This research was funded through the British Columbia Centre for Disease Control, Canada. The research funders did not contribute to the research process or interpretation of findings. The researchers were independent from the funders. Lauren Pearson receives salary support from the National Health and Medical Research Council (GNT2020155). Ben Beck receives an Australian Research Council Future Fellowship (FT210100183).

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)0,021
score de la tête « metaresearch » (Gemma)0,057
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,057
Méta-épidémiologie (sens strict)0,0050,002
Méta-épidémiologie (sens large)0,0310,046
Bibliométrie0,0130,009
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0030,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,162
Tête enseignante GPT0,440
Écart entre enseignants0,277 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetUrban Transport and Accessibility→Travaux en français237 207→