Built environment factors and their impacts on outdoor walking activity among people living with dementia: a spatial analysis approach
Notice bibliographique
Résumé
Introduction As the population of people living with dementia in Canada continues to grow, understanding the built environment’s role in facilitating outdoor activity is increasingly critical. While prior qualitative and quantitative research has established the benefits of outdoor walking for the physical, mental, and social well-being of people living with dementia, empirical spatial analysis of built environment factors influencing their walking behavior remains limited. Methods This study serves as a proof of concept, demonstrating the feasibility of applying spatial analysis to assess the impact of built environment variables on outdoor walking among people living with dementia. Using data from 25 participants in Metro Vancouver, this study integrates Geographic Positioning System (GPS) and Geographic Information System (GIS) tracking with exploratory factor analysis (EFA) and multiple linear regression (MLR) to examine the relationship between built-environment characteristics and walking distances. Results Despite the small sample size, statistical analyses met standard validity criteria, identifying three key factors influencing walking distance: (1) Macro environment—accessibility to public transportation and street network characteristics (p = 0.007, 439.6 m increase), (2) Micro environment—pedestrian-oriented design (p = 0.065, 286.5 m increase), and (3) General characteristics—mixed land use and sidewalk suitability (p = 0.015, 388.5 m increase). Discussion These findings provide preliminary evidence of the built environment’s role in shaping mobility for people living with dementia, offering valuable insights for public health policy makers, urban planners and designers, and transportation professionals in designing dementia-friendly neighborhoods. By integrating spatial analysis with environmental design principles, this study contributes to the development of inclusive and accessible urban environments for people living with dementia.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».