A cross-sectional analysis of the effects of residential greenness on blood pressure in 10-year old children: results from the GINIplus and LISAplus studies
Notice bibliographique
Résumé
BACKGROUND: According to Ulrich's psychoevolutionary theory, contact with green environments mitigates stress by activating the parasympathetic system, (specifically, by decreasing blood pressure (BP)). Experimental studies have confirmed this biological effect. However, greenness effects on BP have not yet been explored using an observational study design. We assessed whether surrounding residential greenness is associated with BP in 10 year-old German children. METHODS: Systolic and diastolic BPs were assessed in 10 year-old children residing in the Munich and Wesel study areas of the German GINIplus and LISAplus birth cohorts. Complete exposure, outcome and covariate data were available for 2,078 children. Residential surrounding greenness was defined as the mean of Normalized Difference Vegetation Index (NDVI) values, derived from Landsat 5 TM satellite images, in circular 500-m buffers around current home addresses of participants. Generalized additive models assessed pooled and area-specific associations between BP and residential greenness categorized into area-specific tertiles. RESULTS: In the pooled adjusted model, the systolic BP of children living at residences with low and moderate greenness was 0.90 ± 0.50 mmHg (p-value = 0.073) and 1.23 ± 0.50 mmHg (p-value = 0.014) higher, respectively, than the systolic BP of children living in areas of high greenness. Similarly, the diastolic BP of children living in areas with low and moderate greenness was 0.80 ± 0.38 mmHg (p-value = 0.033) and 0.96 ± 0.38 mmHg (p-value = 0.011) higher, respectively, than children living in areas with high greenness. These associations were not influenced by environmental stressors (temperature, air pollution, noise annoyance, altitude and urbanisation level). When stratified by study area, associations were significant among children residing in the urbanised Munich area but null for those in the rural Wesel area. CONCLUSIONS: Lower residential greenness was positively associated with higher BP in 10 year-old children living in an urbanised area. Further studies varying in participants' age, geographical area and urbanisation level are required.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».