Anthropometric profiles, adiposity, and physical fitness in long-haul truck drivers: implications for chronic disease risk
Notice bibliographique
Résumé
Long-haul truck drivers (LHTD) face unique occupational challenges, including prolonged sedentary periods, irregular meal patterns, and limited access to physical activity, contributing to high levels of adiposity and elevated risks for chronic diseases. This study examined relationships between anthropometric measures, body composition, physical fitness, and occupational factors among Canadian LHTD and compared field-testing equipment for assessments of body composition. One hundred ninety-seven LHTD underwent assessments of body anthropometry (body mass index, skinfold thickness, bioelectrical impedance analysis, segment circumference), grip strength, and completed a survey on physical activity and the work environment. Over a fifth (22%) reported not engaging in any moderate to vigorous activity in the past week. Grip strength was negatively correlated with body fat percentage ( p < 0.001), waist-to-height ratio ( p < 0.001), waist circumference ( p = 0.03), work ( p = 0.021) and leisure-time ( p = 0.01) physical activity, and years worked in the industry ( p = 0.003). Increased waist circumference positively correlated with hours driven continuously ( p = 0.007) and years worked in the industry ( p = 0.004), while waist-to-height ratio was positively correlated with years as an LHTD ( p < 0.001). All body composition assessment methods exhibited large coefficients of variation, though the measurement error was generally low except for the Taylor Body Analyzer, and agreement between tools tended to decrease with higher levels of body fat. These findings highlight the high rates of adiposity and reduced physical fitness in LHTD. Tailored interventions focusing on dietary improvements, physical activity, and strength training should be prioritized to mitigate chronic disease risk in this population.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».