Lorsque la COVID-19 a perturbé les routines quotidiennes dans le monde entier, des millions d’enregistrements d’exercices ont révélé des différences frappantes dans la façon dont les gens restaient actifs. Les chercheurs ont examiné les habitudes personnelles et les conditions urbaines à l’origine de ces changements.
Étude : Résilience mondiale de l’activité physique pendant la pandémie de COVID-19 : une étude observationnelle de 5,17 millions d’utilisateurs d’applications d’exercice dans 65 pays. Crédit d’image : PersonnesImages / Shutterstock
Dans une étude récente publiée dans la revue Santé publique BMJles chercheurs ont évalué si les enregistrements numériques d’exercices pouvaient prédire l’adhésion à l’activité physique et ont identifié des facteurs individuels et urbains associés à la résilience à l’activité physique pendant la maladie à coronavirus 2019 (COVID 19) pandémie.
Sommaire
Arrière-plan
Environ 31 % de la population mondiale ne respecte pas la recommandation d’au moins 150 minutes d’exercice d’intensité modérée par semaine. L’inactivité physique est associée aux maladies cardiovasculaires, à l’obésité, au diabète, aux troubles cognitifs et à la dépression. Les urgences de santé publique peuvent perturber les routines en raison de fermetures d’établissements, de restrictions de mouvement et de problèmes d’infection.
Pendant la pandémie de COVID-19, les études ont signalé des changements d’activité différents, mais beaucoup se sont appuyées sur de petites enquêtes autodéclarées vulnérables aux biais de mémorisation et de désirabilité sociale. Ces limites rendent les comparaisons mondiales difficiles. Des recherches supplémentaires utilisant des enregistrements numériques longitudinaux sont nécessaires pour clarifier comment les conditions personnelles et urbaines façonnent la résilience des activités dans tous les contextes.
À propos de l’étude
Les chercheurs ont analysé les enregistrements d’exercices de Strava, une application de suivi de l’activité physique, couvrant la période du 1er janvier 2019 au 30 juin 2021. Parmi les 30 millions d’utilisateurs initiaux, ils ont retenu les personnes qui ont rejoint l’application avant 2019, ont publié au moins 30 activités et vivaient dans des régions comptant plus de 1 000 utilisateurs. Ils ont exclu les durées d’activité invraisemblables et ont retenu les 10 types d’activités les plus courants.
L’ensemble de données final comprenait 5,17 millions d’utilisateurs dans 1 441 régions administratives de 65 pays, fournissant 662 millions d’enregistrements par semaine d’utilisateurs. L’adhésion hebdomadaire à l’activité physique a été définie comme au moins 150 minutes d’exercice enregistrées dans Strava, en utilisant un seuil de durée basé sur les recommandations de l’Organisation mondiale de la santé.
L’équipe a combiné les historiques d’activité avec les caractéristiques des utilisateurs, la météo, les indicateurs de pandémie, les politiques de confinement, les informations sur les réseaux sociaux, les sites sportifs, la densité de population et les mesures d’éclairage nocturne utilisées comme indicateur du développement économique. Ils ont comparé la régression linéaire, le réseau neuronal et le réseau neuronal graphique (GNN) pour prédire la durée hebdomadaire de l’exercice et classer l’observance en utilisant le seuil de 150 minutes.
L’analyse GNN était limitée à un sous-échantillon connecté de 4 271 utilisateurs dans le comté de Middlesex, Massachusetts. Les performances ont été évaluées à l’aide des scores de précision et de F1, qui tiennent compte à la fois des utilisateurs actifs manqués et des classifications faussement positives. Explications des additifs Shapley (FORME) a classé les prédicteurs en fonction de leur contribution aux résultats du modèle. Un modèle de substitution et une conception de discontinuité de régression ont examiné les associations au niveau individuel et au niveau de la ville et les changements à court terme autour de l’apparition de la pandémie.
Résultats de l’étude
L’activité enregistrée était concentrée dans les pays développés et dans plusieurs grands pays en développement. La course à pied représentait 41 % des activités, le cyclisme 36 %, la marche 9 % et la randonnée pédestre contribuaient à la pratique principalement extérieure ; les entraînements en salle de sport représentaient 4 %.
Avant la pandémie, la durée hebdomadaire moyenne d’exercice était d’environ 90 minutes. L’activité a changé après le début de la pandémie en mars 2020, mais les changements ont différé selon le groupe de revenu du pays. Les utilisateurs des pays à revenu élevé ont connu une augmentation immédiate, tandis que les régions des pays à revenu intermédiaire inférieur et supérieur ont connu des perturbations plus importantes. Les données de l’application sous-représentaient les pays à faible revenu.
L’historique personnel d’exercice était le prédicteur le plus puissant de l’observance hebdomadaire. L’ajout de la durée d’activité des une à trois semaines précédentes a amélioré la précision de près de 20 points de pourcentage pendant la pandémie dans l’analyse du comté de Middlesex, par rapport aux modèles utilisant uniquement le profil de l’utilisateur, la météo et les variables pandémiques. Cela a également amélioré la capacité des modèles à distinguer les utilisateurs actifs des utilisateurs inactifs. Le meilleur GNN a atteint une précision de 89,9 % avant la pandémie et de 82,1 % pendant celle-ci.
Les réseaux de neurones ont atteint des performances similaires à l’échelle mondiale, avec une précision de 87,6 % avant et de 82,8 % pendant la pandémie. L’ajout d’une structure de réseau social n’a amélioré la précision des prévisions de la période pandémique que d’environ 0,3 point de pourcentage, tout en nécessitant des calculs substantiels. L’analyse SHAP a également confirmé que l’historique des activités récentes avait plus d’influence que la météo et la connectivité sociale.
Des vitesses de vent élevées, de fortes précipitations et une plus grande couverture nuageuse étaient associées négativement à l’activité, tandis qu’une meilleure visibilité était positivement associée. La température a montré une relation en forme de U inversé, la plage optimale apparente variant en fonction de l’humidité régionale. La taille du réseau social était positivement associée à l’adhésion avant et pendant la pandémie.
Les utilisatrices ont montré une plus grande résilience à l’activité que les hommes dans les estimations du modèle pour cette période. Les différences étaient particulièrement prononcées pour la marche et la randonnée, où l’écart entre les femmes et les hommes a plus que quadruplé par rapport aux niveaux d’avant la pandémie ; les écarts pour le yoga, les séances d’entraînement et la musculation ont augmenté d’environ 1,5 à 1,6 fois. Seuls 25 % des utilisateurs se sont déclarés de sexe féminin, ce qui limite une interprétation plus large de ces comparaisons.
L’effet immédiat de la pandémie variait selon les régions administratives, allant de positif à négligeable ou négatif. Les effets à court et à long terme ont montré une modeste corrélation positive. Les régions des pays développés ont généralement augmenté ou récupéré au fil du temps, tandis que la Colombie et l’Inde ont connu certaines des plus fortes baisses à long terme jusqu’en juin 2021.
Les villes les plus développées économiquement ont connu des réductions d’activité plus importantes pendant les confinements, mais également une reprise plus importante à long terme. Une densité plus élevée d’équipements sportifs était positivement associée à une durée d’exercice hebdomadaire plus longue au cours des phases de la pandémie.
Une analyse au niveau national a révélé que cette relation était plus forte là où le nombre de cas de COVID-19 était plus élevé. Les parcs et les terrains extérieurs étaient systématiquement associés à davantage d’exercices enregistrés, tandis que les installations intérieures, notamment les centres de remise en forme et les piscines, présentaient des associations négatives ou non significatives.
Conclusion
Les résultats indiquent que les enregistrements numériques d’exercices peuvent aider à prédire l’adhésion hebdomadaire à l’activité physique, en particulier lorsque les modèles incluent l’historique d’activité récente d’une personne. Les effets de la pandémie ont varié considérablement selon les villes, avec des déclins plus persistants observés dans de nombreux contextes à revenu intermédiaire.
Un meilleur accès aux équipements sportifs de plein air, en particulier aux parcs et aux terrains, était associé à une meilleure adhésion, tandis que les liens sociaux et les différences entre les sexes étaient également suivis par les modèles d’activité.
Ces résultats pourraient éclairer un soutien opportun et ciblé et une planification urbaine pour les urgences de santé publique. Néanmoins, les utilisateurs de Strava ne représentent peut-être pas la population dans son ensemble, notamment parce que l’échantillon comprenait des utilisateurs d’applications établis enregistrant principalement des activités de plein air.
L’absence d’informations sur l’âge, le revenu et l’éducation ajoute à l’incertitude, et les résultats ne doivent pas être généralisés directement à l’ensemble de la population.
