Assessing the Impact of School-Based Greenness on Mental Health Among Adolescent Students in Ontario, Canada
Notice bibliographique
Résumé
Neighbourhood greenness has been frequently associated with improved mental health in adulthood, yet its impact among youth is less clear. Additionally, though youth spend large portions of time at school, no study has investigated associations between school-based measures of greenness and students' mental health in Canada. We addressed this gap by linking participant responses from the 2016-2017 Ontario Student Drug Use and Health Survey to school-based features of the built environment. Our analyses included 6313 students, ages 11-20. Measures of greenness were the mean and max of the annual mean Normalized Difference Vegetation Index within 500 m and 1000 m from the centroid of the school postal code. Measures of mental health included: serious psychological distress (Kessler 6-item Psychological Distress Scale), self-rated mental health (using a five-point Likert scale), suicide ideation, and suicide attempt. In our study population, the prevalence of serious psychological distress and low self-rated mental health was 16.7% and 20.3%, respectively. Suicide ideation was reported by 13.5% of participants, while 3.7% reported a suicide attempt. Quantity of greenness was similar between schools in the lower and upper quartiles. In logistic regressions, we found no association between objective school-based greenness and mental health, as assessed by multiple measures, both before and after adjustment. Null findings held true after stratification by season, as well. Whether other characteristics of school greenness (such as type, quality, or access and use) are more impactful to students' mental health should be a focus of future analyses.
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 | 0,003 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».