Prioritizing a research agenda on built environments and physical activity: a twin panel Delphi consensus process with researchers and knowledge users
Notice bibliographique
Résumé
Abstract Background The growth of urban dwelling populations globally has led to rapid increases of research and policy initiatives addressing associations between the built environment and physical activity (PA). Given this rapid proliferation, it is important to identify priority areas and research questions for moving the field forward. The objective of this study was to identify and compare research priorities on the built environment and PA among researchers and knowledge users (e.g., policy makers, practitioners). Methods Between September 2022 and April 2023, a three-round, modified Delphi survey was conducted among two independent panels of international researchers (n = 38) and knowledge users (n = 23) to identify similarities and differences in perceived research priorities on the built environment and PA and generate twin ‘top 10’ lists of the most important research needs. Results From a broad range of self-identified issues, both panels ranked in common the most pressing research priorities including stronger study designs such as natural experiments, research that examines inequalities and inequities, establishing the cost effectiveness of interventions, safety and injuries related to engagement in active transportation (AT), and considerations for climate change and climate adaptation. Additional priorities identified by researchers included: implementation science, research that incorporates Indigenous perspectives, land-use policies, built environments that support active aging, and participatory research. Additional priorities identified by knowledge users included: built environments and PA among people living with disabilities and a need for national data on trip chaining, multi-modal travel, and non-work or school-related AT. Conclusions Five common research priorities between the two groups emerged, including (1) to better understand causality, (2) interactions with the natural environment, (3) economic evaluations, (4) social disparities, and (5) preventable AT-related injuries. The findings may help set directions for future research, interdisciplinary and intersectoral collaborations, and funding opportunities.
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 | 0,321 | 0,226 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,014 | 0,012 |
| Communication savante | 0,012 | 0,014 |
| Science ouverte | 0,006 | 0,035 |
| Intégrité de la recherche | 0,007 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».