MétaCan
Menu
Retour à la cohorte
Enregistrement W4403503279 · doi:10.1016/j.healthplace.2024.103366

Exposure to useable green space and physical activity during active travel: A longitudinal GPS and accelerometer study before and after retirement

2024· article· en· W4403503279 sur OpenAlexaff
Sanna Pasanen, Jaana I. Halonen, Kristin Suorsa, Tuija Leskinen, Carlos Gonzales‐Inca, Yan Kestens, Benoît Thierry, Jaana Pentti, Jussi Vahtera, Sari Stenholm

Notice bibliographique

RevueHealth & Place · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensUniversité de Montréal
Organismes subventionnairesVarsinais-Suomen SairaanhoitopiiriJuho Vainion SäätiöOpetus- ja KulttuuriministeriöTurun Yliopistollinen KeskussairaalaAcademy of Finland
Mots-clésGlobal Positioning SystemAccelerometerPhysical activitySpace (punctuation)GeodesyAeronauticsGeographyComputer scienceBusinessPsychologyTransport engineeringPhysical medicine and rehabilitationMedicineEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

Green spaces may serve as population level interventions encouraging active travel. We examined the associations between exposure to useable green space (CORINE Land Cover categories) and physical activity during active travel (GPS and accelerometer) among late middle-aged participants from the Finnish Retirement and Aging study (n = 102). Greater proportion of useable green space was associated with higher physical activity during active travel on days off (+11 min/day per 1 SD increase in exposure) and on retirement days (+12 min/day), but not on workdays. Thus, it appears that in leisure time, people prefer to engage into active travel in green spaces. • Active travel contributes to physical activity among late middle-aged adults. • Transition to retirement can modify active travel behavior. • GPS and accelerometer data collected before and after retirement were used. • Active travel in green space associated with physical activity on non-working days. • People seem to prefer to engage into active travel in green spaces in leisure time.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,107
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,038
Tête enseignante GPT0,349
Écart entre enseignants0,311 · 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 tête enseignante, 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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth & PlaceMême sujetUrban Transport and AccessibilityTravaux en français237 207