Leisure-Time Physical Activity Trajectories across Adulthood and Cardiometabolic Risk at the Beginning of Late Adulthood: A Prospective Cohort Study
Notice bibliographique
Résumé
PURPOSE: Physical activity (PA) is a key strategy in preventing and treating metabolic syndrome (MetS). The purpose is to investigate the associations of leisure-time PA (LTPA) trajectories across adulthood and current PA with MetS at age 61. METHODS: Participants were 159 Finnish adults (52% women). LTPA frequency was assessed at ages 27, 42, 50, and 61 with a single question. Current PA at age 61 included self-reported vigorous, muscle-strengthening, commuting, and occupational PA. Cardiometabolic risk factors at age 61 included waist circumference, blood pressure, high-density lipoprotein cholesterol, triglycerides, and glucose. MetS was defined based on the Adult Treatment Panel III criteria. LTPA trajectories were conducted using k-means for longitudinal data. RESULTS: Of the three LTPA trajectories found, consistently inactive ( N = 34) and increasingly active ( N = 58) had a higher risk of MetS compared with consistently active ( N = 67) (odds ratio [95% confidence interval]: 3.93 [1.55-10.01] and 2.39 [1.14-4.99], respectively). Only the difference between consistently inactive and consistently active remained statistically significant when the current PA indicators were included in the model. Considering the individual components of MetS, those who were consistently inactive and increasingly active had higher waist circumference, lower high-density lipoprotein, and higher triglyceride levels compared with consistently active. These differences did not remain statistically significant when current PA was included. CONCLUSIONS: Although consistently inactive and increasingly active individuals had higher cardiometabolic risk at age 61 compared with those who were consistently active across adulthood, current PA participation at the beginning of late adulthood attenuated these risks. These findings emphasize the importance of promoting and sustaining PA throughout life to reduce the burden of MetS in the aging 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 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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».