Examining How Cognition, Neighborhood Characteristics, and Physical Function are Associated with Outdoor Frequency Among United States Community‐Dwelling Medicare Beneficiaries
Notice bibliographique
Résumé
Abstract Background A large body of research supports the benefits of older adults engaging in physical activity outdoors. However, a paucity of research explores factors associated with the frequency of older adults going outdoors. The aim of this study was to explore how factors including cognition, neighborhood characteristics, and physical ability were associated with community‐dwelling older adults’ outdoor frequency. Method This cross‐sectional study used National Health and Aging Trends Study data to investigate determinants of outdoor frequency among Medicare beneficiaries aged 65 and older. We descriptively characterized the distribution of outdoor frequency by participant demographic, health, and neighborhood characteristics using counts and percentages, and estimated odds ratios of relationships between key characteristics (including cognitive status, neighborhood characteristics, and physical ability) and outdoor frequency using survey ordinal logistic regression. Result The final sample included 3,368 participants, ages 65 and older (57% female). Most participants went outside every day (60.4%) and few went outside rarely or never (3.5%). Compared to those who went outside daily, individuals who went outside rarely or never were more likely to have probable dementia, live in neighborhoods with street disorder and continuous sidewalks, and have physical limitations requiring assistive devices and help to go outside. Conclusion Older adults with dementia and physical limitations may be less likely to experience the benefits of outdoor activity. Neighborhood characteristics may contribute to going outdoors. More research is needed to understand the experiences of people living with dementia and physical limitations in order to develop interventions and age‐friendly neighborhoods promoting outdoor 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 | 0,001 | 0,002 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».