我們包括橫截麵數據的五個從德國不同地區人群為基礎的縱向隊列研究:多特蒙德健康研究(DHS)在多特蒙德市進行的亨氏Nixdorf召回(曼)進行了研究城市Mulheim,波鴻和埃森在德國西部的心血管疾病、生活和老齡化在哈雷(卡拉)研究德國東部的地區合作醫療研究的奧格斯堡(科拉琴)S4調查從南方的德國,和健康的研究在波美拉尼亞從東北部(船)。卡拉,國土安全部和曼研究隨機樣本來自人口登記年齡類別和性別分層。科拉和船舶研究使用一個兩階段整群抽樣方法,首先選擇社區與整群抽樣,然後執行age-stratified和sex-stratified隨機抽樣。年的數據收集分析每個樣本的範圍在2002年和2014年之間( 圖1)。 36-426269參與者包括分析數據之間的關係通過性和步行/騎自行車排除缺失值曝光,結果和協變量。暴露措施最缺失的值觀察到在船上隊列(54%的數據不能地理編碼發生在船上BMI組,和85%的步行/騎自行車樣品)。檢查通過性和體重指數之間的關係,我們包括9441個參與者的數據( 圖1)。研究區域的描述中發現 表1。

病人和公眾並沒有參與這項研究的過程。

地理信息係統(GIS)的工作是開展與ESRI ArcMap桌麵V.10.1和V.10.4。 43我們創建了一個六角抽樣每項研究地區電網覆蓋的城市邊界參與者招募1公裏處的緩衝區。我們使用抽樣六邊形與兩側1000米。我們必須平衡粒度測量和計算複雜度;大六角會導致更多潛在的插值誤差,但是更小的人會更密集的計算。通過選擇1000六邊形和使用每個六邊形作為樣本點的質心以及六個頂點,我們每個點之間的距離為500米。當我們決定走一小段路是500,我們的插值估計似乎是適當的比例。我們能找到一個精確值為每個住宅對於每個通過性指標,然而,它是不可能分享地址點之外的群體團隊由於數據治理的限製。最初,表麵是一個務實的解決方案,有效地治理約束,然而,該方法的效用是我們可以通用的表麵給一個變量,可以用在許多不同類型的研究不僅可以用來估計通過性的周邊地區特定的居住,而且當我們想通過性與其他地區相關聯的基礎措施。

傳輸網絡和的興趣點(POI)提供的城市OpenSteetMap (OSM)和加工利用ArcGIS創建一個網絡數據集。派生的解決措施如下:

POI:為每個頂點和質心的六邊形代表我們計算一個多邊形的麵積可以達到640米,步行距離內的使用道路、人行道和路徑OSM網絡。的截止640被選中,是因為研究曾提議,傾向於走在倫敦訪問公共交通640之後迅速下降。 44我們把這一個務實的一個簡短的定義,可以步行距離。我們定義使用OSM POI。對於每個多邊形,我們數了數POIs歸類為“商店”,添加項POIs列為“設施”這也標記:“取款機”,“銀行”、“酒吧”,“Biergarten”、“咖啡館”,“快餐店”,“藥店”、“酒吧”,“餐館”或“郵局”。

公交站:我們遵循相同的方法來確定中轉站可用性作為POI的我們。類別的“高速公路”我們捕獲所有的點標記為“公交站”,在類別“鐵路”我們捕獲了所有的點標記為“停止”,“電車站”,“站”,“地鐵入口”“入口”或“平台”和類別“禮儀”我們捕獲所有的點標記為“公交站”,“火車站”和“渡輪碼頭”。

阻抗:通常情況下,連接作為一個代理措施用於阻抗。在我們的研究中,我們使用一種稍微不同的方法。我們從每個六邊形的質心計算六旅行在六個不同的方向:東北、西北、西、西南、東南和東部中心每個頂點的六邊形。六個值根據易於訪問各種不同方向與更高的價值反映了缺乏易於走在這個方向( 圖2)。例如,如果一個點1000歐式距離是可訪問的2300米的旅程,這是歐式距離的2.3倍。可比1000歐式距離,可以走進1050顯然有更少的障礙。

每個指標之間的插值點構造一個表麵。我們用克裏格方法使用十六進製點之間插入值一個高斯回歸的過程。 圖3顯示小時研究區域的阻抗。我們分割的所有表麵的住宅地址創建隊列的參與者。通過性表麵都是創建於2016年。

步行/騎自行車包括步行和騎自行車,交通和娛樂的目的。科拉琴,兩項根據世衛組織的步行和騎自行車莫妮卡項目問卷被合並成一個項目。 45卡拉和船,一項Baecke問卷關於步行和騎自行車的交通和娛樂被認為是。 46我們二分變量> 30 vs≤30分鍾每天步行或騎自行車的交通或娛樂的目的。我們選擇這個切割點,因為之前的研究表明,從事體育活動每天大約30分鍾或更多有益的影響結果,可能通過步行/騎自行車和公交車站/ POI。 34個47

BMI在身高和體重計算,客觀地測量根據類似的協議在所有5個研究。

後共來自自我報告的數據通過標準化的問卷調查:性別(男性和女性),年齡在年複一年的教育。我們分類的變量年教育的基礎上,1997年國際教育標準分類。 48年複一年的職業教育學校都包含在年的總數與類別:9/10年,12/13年,14 - 17年和18年。

參與者特征概括為意味著(SD)正態分布連續變量,為非正態分布的變量值(差)和數量(百分比)為分類變量。

普遍添加劑模型(gam)被用於分析每個通過性指標之間的關係和利益的結果。的形狀估計利用薄板樣條函數的關係。二分結果步行/騎自行車,gam使用二項方差和日誌鏈接功能;連續結果BMI,我們使用高斯分布。平滑的選擇、限製最大似然被認為是。 49

我們測試了非線性的可行性措施和結果之間的關係基於Akaike信息準則(AIC)值。不同AIC≥10單位比較模型與線性與非線性項被認為是有意義的。 50可行性措施包含線性項,因為沒有發現非線性。年齡是作為非線性項在所有模型。我們z-standardised措施更好的可比性。

為了評估如果關聯在不同人群,我們通過群體分層。由於地區差異的完整性OSM數據,測量誤差的跨組曝光可能會有所不同,這可能會導致虛假的交互,所以我們沒有測試交互。 51

在敏感性分析中,我們檢查了步行和騎自行車科拉琴隊列作為單獨的結果。雖然騎自行車和步行分享一些相似之處,也有差異,例如,關於距離旅行和旅行速度,這可能導致不同的協會與可行性措施。 12

所有模型都是調整年齡、性別、隊列和教育。與SAS V.9.4進行了分析 52和R-Studio V.3.4.4 53包“mgvc”。 49

男女都同樣在樣品池。合並樣本的參與者平均年齡約為60年,平均BMI 28公斤/米²,其中一半12/13年的教育。意味著阻抗最低,平均交通站在高度城市化DHS組最高,而阻抗是最高和平均交通電台是最低的農村船隊列。POI是中值最高的曼隊列和類似的其他軍團。總的來說,暴露組對比很低,所看到的想象措施與解決的表麵點。大約60%的彙集步行/騎自行車樣品報每天步行/騎自行車超過30分鍾。這個百分比是最高的科拉琴,船組最低( 表1和2)。

高阻抗降低患病率步行/騎自行車30分鍾/天,而更高數量的POI和交通電台與更高的患病率(有關 表3)。這種聯係是一致的跨組( 圖4一)。

步行和騎自行車的靈敏度分析作為單獨的措施顯示出類似的結果估計步行和騎自行車。CI為循環的結果是更大的,包括零阻抗和POI的效果,而不是這樣走的結果( 表4)。

高阻抗與BMI的增加( 表3)。分層的隊列時,高阻抗與BMI的增加所有軍團除了曼隊列,它與減少( 圖4 b)。

我們發現數量之間沒有聯係的交通電台和BMI ( 表3)。分層的隊列時,我們觀察到國土安全部和曼略寬增加和船稍微減少點估計與CI和其他軍團(沒有關聯 圖4 b)。

與增加POI(體重指數下降 表3)。分層的隊列時,船舶和卡拉我們顯示減少估計和沒有聯係其他軍團( 圖4 b)。

各種各樣的係統評價 6 54-56發現之間的積極關係總步行交通和土地利用結構,公共交通和街道連接,支持我們的研究的結果。在我們的研究中,步行/騎自行車減少與增加阻抗,這是與我們的假設一致,阻抗可能代表缺乏易於步行/騎自行車來衡量連接不足。協會在我們的研究中觀察到小有廣泛的詞,這可能是由於低可步行的變化在我們的軍團。通常,步行走強的影響是研究中觀察到在美國和澳大利亞,因為這些國家可能比歐洲國家一般不適宜步行的和可步行的對比可能比歐洲更大,這或許可以解釋,而小協會在我們的研究中發現的。 27日30 55即使我們包括全國不同地區的增加變化的可行性措施,國內可能通過性之間的差異並不足以產生結果的措施之間存在較大的差異。 22

我們不能單獨分析步行和騎自行車對整個樣本。克爾 等 27和mu 等 12分別分析這些活動的重要性,因為高度適宜步行的區域可以支持走路,而不是騎自行車,因為,例如,可能阻礙青睞的人行道上騎車的速度。然而,在科拉群的靈敏度分析,我們可以表明,步行和騎自行車的效應估計是類似的,雖然少精確和一致的自行車與CI包括1。我們還發現一個協會的整體樣本時結合的措施可能是由於偏態分布對報道的人相比,那些走報周期。 12

此外,我們無法區分步行/騎自行車休閑或者運輸的目的,這也可以解釋,而小協會。河流對步行休閑可以產生積極的影響,但是步行交通的負麵影響,因為它可以代表一個障礙。 57-59

與一些先前的研究一致,芋泥和阻抗降低BMI在集中分析。 60 - 62然而,盡管阻抗和POI降低BMI在集中分析,這兩個措施之間的關係和跨組BMI是不一致的。因此,集中分析的結果進行解釋時應特別謹慎,因為通過性和體重指數之間的關係可能根據不同設置。公交站點時,我們發現沒有對BMI,無論是在池還是分層分析。同樣,先前的研究發現不一致在BMI和可行性措施之間的關係,表明沒有發現關聯,有的甚至意想不到的方向。 63 - 65

發現更好的通過性與增加步行和騎自行車,但不會持續較低BMI,支持大多數的先前的研究。 6 10 22日23日這一發現似乎有悖常理,因為增加活動應該導致降低BMI。然而,許多因素決定BMI 66 67和體育活動無法解釋BMI。 66年飲食可能是更重要的在確定體重指數比活動。 68年稍高的活動可能不是足夠的為了對指數產生影響,鑒於BMI的其他決定因素。 69年我們的研究支持了這一可能的解釋。的步行/騎自行車,我們使用不考慮步行/騎自行車的強度。盡管POI是增加步行/騎自行車的行為,這種提高可能不足以對體重指數有影響,如科拉琴隊列,POI在哪裏增加步行/騎自行車,但不會與降低BMI。

我們決定使用POI在走多邊形密度明確有關的已知的步行設施的位置取決於當地的人。然而,我們並沒有明確測量各種POI。根據中轉站度量,缺點是,它不反映運輸的頻率或目的地的選擇。此外,我們沒有重量以任何方式,所以火車站有相等的重量作為一個公共汽車站。我們的方法捕捉阻抗是最激進的改變與其他研究方法相比。連接和交叉口密度曆來被使用,因為高度連接網絡允許快速和方便地訪問當地的區域。然而,我們想要一個測量,比較易於訪問附近的一個點的歐式距離。通過繪製六個旅行在我們分在不同的方向和錨定那些引用歐式距離,我們覺得是能夠獲得比單獨連接更可靠的測量。似乎表麵有效性方法我們可以清楚地看到高阻抗在河流、鐵路碼和其他物理障礙。雖然有共識的建築環境文學可步行的阻抗是一個重要的領域,沒有共識這應該如何衡量。 32在這項研究中,我們憑直覺就知道我們的測量敏感阻抗在不同方向的一係列采樣點,所以比簡單地使用路路口的密度,或者其他可能的測量方法。我們正在計劃一個更詳細地驗證研究來分析這個問題。

640的選擇定義一個短的步行的決心在缺乏足夠的證據。我們不知道這是否傾向是generalisable到另一個國家。我們可以憑直覺,德國人口走超過英國,德國承擔更多的公共交通工具旅行每年人均(177與147年相比) 70年這可能表明,我們需要更大的多邊形。此外,什麼“短走”的定義可以根據環境不同屬性和子組(例如,年輕和老年人)。 71年進一步的問題是,眾包GIS數據是可靠的。然而,研究表明,OSM數據相比,積極與國家和商業資源在城市地區,盡管覆蓋農村地區被公認為OSM數據變量。 72 73

分別對372年和436年的參與者,通過性值無法計算。大多數缺少步行值發生在這艘船的研究中,這可能已經引入了一個偏見,因為這也是最貧窮的群體通過性措施。

解決措施是在2016年,計算年之後的參與者的信息收集,所以通過性措施在那段時間的變化可能導致誤分類。例如,然而,當新公司開了,這些地區將很可能已經有一些企業存在,所以適於步行的區域保持適宜步行的或改善,和不適宜步行的區域將保持少適宜步行的或普遍提高。

這不是可行的考慮到集群的數據包括群組研究由於缺乏合適的地區社會變量用於德國。據統計,可能會有生活在相同的障礙或社區之間的依賴關係。不占可能集群數據可以減少方差和統計能力。 74年

我們考慮三個措施被證明是通過性的重要維度。 3然而,我們沒有考慮到,例如美學和安全措施,也與步行/騎自行車的行為。 31日觀察到的結果可能受到強烈的措施我們使用和POI的地方可能有不同的協會與其他步行/騎自行車的特點通過性措施在同一地區。

我們使用自我報告的步行/騎自行車作為我們的一個反應變量。與加速度計測量步行/騎自行車將是一個更精確的和必須消除社會讚許性偏見中固有的自我報告的體育活動。

由於軍團的池,“調整設置是相當有限的。殘餘混雜極有可能,因為我們隻調整了一些變量,但是,例如,不像其他地方的收入或職業的社會經濟地位。此外,我們不能調整住宅自己挑選,因為這些信息是不可利用的,有偏見的結果離空。然而,先前的研究表明,社區自我選擇隻產生輕微的變化的結果。 75 - 77

在軍團自從z得分計算,估計可能被田園風味抱愧蒙羞,因為船組包括貧窮的曝光值。然而,我們調整隊列來糾正這個可能的混淆。如前所述,OSM數據的覆蓋在農村和城市地區可能有所不同。微分測量誤差與地區差異OSM數據的完整性可能會有一些影響的主要影響,因此導致偏見的估計。然而,假設不同人群的微分測量誤差抵消(至少部分),因此幾乎沒有影響的主要影響。

體重指數是基於標準化的測量體重和身高,而不是自我報告和社會讚許性偏見沒有出現,代表一個重要的資產。

這項工作對政策的影響。觀察到的可行性措施對步行/騎自行車的影響是很小的。然而,通過性的變化改變人口水平步行和騎自行車的行為,因為每個人都受到這些變化的影響。人沒有或很少有公交站點附近的住宅可以受益於擴大公共交通。考慮阻抗測量,額外的路徑low-connected地區可能有助於增強在步行和騎自行車。

由於不一致的結果,結論不能畫的通過性和體重指數之間的關係。我們的研究結果表明,BMI可步行的關聯可能城鄉之間不同,凸顯了需要調查這些差異。然而,我們表明,更高的步行與更多的步行/騎自行車。步行和騎自行車運輸或娛樂可以很容易地納入個人的日常生活,當社區支持這樣的行為。