Perceived Barriers to Leisure-time Physical Activity among Individuals at Risk of Type 2 Diabetes in India
Notice bibliographique
Résumé
Abstract Background: Research on barriers to physical activity among adults in India is limited, and even less is known about this issue among individuals at high risk of developing diabetes. Objectives: We aimed to identify the perceived barriers to leisure-time physical activity among individuals at risk of developing type 2 diabetes in an Indian population. Materials and Methods: This cross-sectional study utilized baseline data (collected in 2013) from 1007 participants enrolled in the Kerala Diabetes Prevention Program. These participants were randomly selected from 60 polling areas (electoral divisions) in the Trivandrum district of Kerala state. Standardized questionnaires were employed to collect information on socio-demographics, leisure-time physical activity levels, and perceived barriers to physical activity. Statistical analyses comprised chi-square and t tests. Results: More than three-fourths (79.6%) of participants reported being physically inactive during their leisure time, with females showing a higher prevalence (84.6%) than males (75.2%; P < 0.001). The most common perceived barriers for both males (52.4%) and females (51.0%) in participating in leisure-time physical activities were “other priorities,” such as time constraints, family obligations, and work commitments. Females were significantly more likely than males to cite “lack of exercise skills,” “lack of social support,” and “exercise is not important” as barriers to leisure-time physical activity (all P < 0.05). Conclusion: Our study shows concerning levels of physical inactivity during leisure time among participants, particularly among females. Furthermore, the findings underscore the critical need for implementing interventions specifically targeted at addressing gender-specific barriers to leisure-time physical activity.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».