Patterns of multiple health risk–behaviours in university students and their association with mental health: application of latent class analysis
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.
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 | 0,013 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».