The Impact of Air Pollution Information on Individuals’ Exercise Behavior: Empirical Study Using Wearable and Mobile Devices Data
Notice bibliographique
Résumé
Background Physical exercise and exposure to air pollution have counteracting effects on individuals’ health outcomes. Knowledge on individuals’ real-time exercise behavior response to different pollution information sources remains inadequate. Objective This study aims to examine the extent to which individuals avoid polluted air during exercise activities in response to different air pollution information sources. Methods We used data on individuals’ exercise behaviors captured by wearable and mobile devices in 83 Chinese cities over a 2-year time span. In our data set, 35.99% (5896/16,379) of individuals were female and 64% (10,483/16,379) were male, and their ages predominantly ranged from 18 to 50 years. We further augmented the exercise behavior data with air pollution information that included city-hourly level measures of the Air Quality Index and particulate matter 2.5 concentration (in µg/m3), and weather data that include city-hourly level measures of air temperature (ºC), dew point (ºC), wind speed (m/s), and wind direction (degrees). We used a linear panel fixed effect model to estimate individuals’ exercise-aversion behaviors (ie, running exercise distance at individual-hour, city-hour, or city-day levels) and conducted robustness checks using the endogenous treatment effect model and regression discontinuity method. We examined if alternative air pollution information sources could moderate (ie, substitute or complement) the role of mainstream air pollution indicators. Results Our results show that individuals exhibit a reduction of running exercise behaviors by about 0.50 km (or 7.5%; P<.001) during instances of moderate to severe air pollution, and there is no evidence of reduced distances in instances of light air pollution. Furthermore, individuals’ exercise-aversion behaviors in response to mainstream air pollution information are heightened by different alternative information sources, such as social connections and social media user-generated content about air pollution. Conclusions Our results highlight the complementary role of different alternative information sources of air pollution in inducing individuals’ aversion behaviors and the importance of using different information channels to increase public awareness beyond official air pollution alerts.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».