Patterns of multiple health risk–behaviours in university students and their association with mental health: application of latent class analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: University and college campuses may be the last setting where it is possible to comprehensively address the health of a large proportion of the young adult population. It is important that health promoters understand the collective challenges students are facing, and to better understand the broader lifestyle behavioural patterning evident during this life stage. The purpose of this study was to examine the clustering of modifiable health-risk behaviours and to explore the relationship between these identified clusters and mental health outcomes among a large Canadian university sample. METHODS: Undergraduate students (n = 837; mean age = 21 years) from the University of Toronto completed the National College Health Assessment survey. The survey consists of approximately 300 items, including assessments of student health status, mental health and health-risk behaviours. Latent class analysis was used to identify patterning based on eight salient health-risk behaviours (marijuana use, other illicit drug use, risky sex, smoking, binge drinking, poor diet, physical inactivity, and insufficient sleep). RESULTS: A three-class model based on student behavioural patterns emerged: "typical," "high-risk" and "moderately healthy." Results also found high-risk students reporting significantly higher levels of stress than typical students (χ2(1671) = 7.26, p < .01). CONCLUSION: Students with the highest likelihood of engaging in multiple health-risk behaviours reported poorer mental health, particularly as it relates to stress. Although these findings should be interpreted with caution due to the 28% response rate, they do suggest that interventions targeting specific student groups with similar patterning of multiple health-risk behaviours may be needed.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle