Association between self-rated health and physical activity among physician assistants in Ghana: a cross-sectional study
Notice bibliographique
Résumé
Background: Self-rated health (SRH) has been a subjective measure of health, yet its association with physical activity (PA) among healthcare workers in sub-Saharan Africa remains underexplored. This study examined the association between SRH and PA [leisure-time physical activity (LTPA) and active transportation (AT)] among Physician Assistants in Ghana. Methods: A cross-sectional study involving 439 licensed Physician Assistants was conducted between October and December 2024 using an online survey. Multivariate logistic regressions modelled the association between SRH and PA, using adjusted odds ratios (aOR) and 95% confidence intervals (CIs) and controlling for sociodemographic, work-related, environmental and psychological factors. Results: Overall, 18.7% of PAs reported poor SRH. Participants in the third quartile of LTPA had the highest odds of good SRH (aOR=3.36, 95% CI: 1.58–7.16), though a plateau effect was observed at higher activity levels. AT to and from work was significantly associated with good SRH (aOR=2.32 and 2.16, respectively). Anxiety, older age, lower income, lower rank and poor environmental conditions were associated with reduced odds of good SRH. The availability of sidewalks showed a strong positive association with good SRH. Gender differences in PA domains were also observed, with males being significantly more active than females. Conclusions: Engagement in moderate LTPA and active commuting is associated with good SRH among Ghanaian Physician Assistants. Interventions to increase physical activity may enhance health outcomes in this vital health workforce. Longitudinal studies are needed to establish causal relationships and inform policy.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».