MétaCan
Menu
Retour à la cohorte
Enregistrement W4414014537 · doi:10.3389/fspor.2025.1575583

Estimation of the burden of disease averted by leisure center membership across Spain

2025· article· en· W4414014537 sur OpenAlexaff
Alfonso Jiménez, Inés Nieto, Xián Mayo, Pablo Bascones, J. Cardenal, Gary Liguori, Larissa E. Davies

Notice bibliographique

RevueFrontiers in Sports and Active Living · 2025
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensPricewaterhouseCoopers (Canada)
Organismes subventionnairesnon disponible
Mots-clésEstimationCenter (category theory)StatisticsGeographyEconometricsDemographyRegional scienceMathematicsEconomicsSociologyManagement

Résumé

récupéré en direct d'OpenAlex

Introduction: Active behavior performed in leisure centers might help reduce the negative health impacts associated with physical inactivity. The disability-adjusted life years (DALYs) is a valuation technique to quantify lifetime disease burden including both non-fatal health consequences of diseases and premature death. Method: This study estimated the role of the largest leisure center in Spain (GO fit) in averting the burden of five diseases and premature deaths during 2017 as a consequence of the physical activity and exercise programs and services delivered. A preferred model was implemented with a static picture of the burden of disease, without including discounting rate and age-weights. Sensitivity analyses were conducted considering these two variables. Results: The estimation was that GO fit services could have averted a total of 1,165.74 DALYs (10.96 DALYs per 1,000 members) coming from type 2 diabetes (22.62 DALYs), colorectal cancer (81.16 DALYs), breast cancer (48.72 DALYs), stroke (206.15 DALYs), and coronary heart disease (807.10 DALYs). Discussion: These results indicate that programs and services delivered in physical activity leisure centers could help the public health agenda aim of promoting a more active lifestyle and reducing the burden of disease associated with physical inactivity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,041
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,009
Tête enseignante GPT0,277
Écart entre enseignants0,268 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Sports and Active LivingMême sujetPhysical Activity and HealthTravaux en français237 207