MétaCan
Menu
Retour à la cohorte
Enregistrement W2890150215 · doi:10.1080/01490400.2018.1483851

The Impacts of Recreation Programs on the Mental Health of Postsecondary Students in North America: An Integrative Review

2018· article· en· W2890150215 sur OpenAlexaff
Fenton Litwiller, Catherine White, Barbara Hamilton-Hinch, Robert Gilbert

Notice bibliographique

RevueLeisure Sciences · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueRecreation, Leisure, Wilderness Management
Établissements canadiensDalhousie UniversityUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésRecreationMental healthInclusion (mineral)Psychological interventionPsychologyMeditationAnxietyMoodMindfulnessClinical psychologyGerontologyPsychotherapistSocial psychologyMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

The mental health of university students has become a recognized concern and lifestyle factors, including recreation, can play an integral role in maintaining positive mental health. The objective of this integrative review was to consolidate our understanding of the efficacy of post-secondary institution-based recreation programs developed with the purpose of supporting students’ mental health. Inclusion criteria included non-clinical populations of undergraduate students and North American studies (2005 to 2016) that used valid approaches to measure changes in mental health. Twenty-one studies met our inclusion criteria and were critically appraised. Results indicate recreation programs that emphasize Mindfulness, meditation, Tai Chi, yoga, exercise, and animal therapy may reduce perceived stress, anxiety, depression and negative mood. Future research should consider the effect of interventions on sex and gender categories and measure more mental health outcomes, in particular social outcomes, against a broader definition of recreation activities (e.g., arts).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,004
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,405
Écart entre enseignants0,367 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations57
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLeisure SciencesMême sujetRecreation, Leisure, Wilderness ManagementTravaux en français237 207