Sedentary behaviour surveillance in Canada: trends, challenges and lessons learned
Notice bibliographique
Résumé
Abstract Background Historical changes in the nature of sedentary activities have been observed in other countries, but it is not clear if similar trends exist in Canada. It is also unclear how changes in the measurement of sedentary behaviour affects national estimates. Our objective is to document all sources and measures of sedentary behaviour from Canadian, nationally representative surveys, and report on selected estimates of time spent in sedentary activities. Lessons learned can benefit the wider international surveillance community. Methods We describe and document all data sources of sedentary behaviour at the national level in Canada, and report on selected prevalence data from repeated cross-sectional surveys. We summarize amounts of total device-assessed sedentary time and self-reported sedentary activities (e.g., passive travel, leisure television, computer, video games, screen, and reading) by age group over time. Results Nineteen national surveys were identified. Changes in questions and/or response categories precluded direct assessment of trends over time for some measures; however, certain trends were observed. Accelerometer-measured sedentary time, leisure reading (among those < 50 years) and television/video viewing in younger age groups have remained relatively stable (with a possible slight decline in television/video viewing). Time spent in passive travel and leisure computer and electronic device use appears to have increased. Television and video viewing appears to have increased in older adults while their leisure reading appears to have fallen. Conclusions Changes in measurement of sedentary behaviour can affect estimates and reduce comparability over time. Total leisure screen use appears to have increased over time, reflecting the ways in which Canadians spend their free time and technological advances. The main public health message is the need for continued efforts to reduce leisure screen use, especially among youth and older adults.
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 | 0,022 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,012 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».