Physical activity participation and mental health profiles in Canadian medical students: Latent profile analysis using continuous latent profile indicators
Notice bibliographique
Résumé
Previous research on medical students' 'mental health' typically focuses on mental illness with minimal focus on positive mental health indicators, such as well-being and resilience. One malleable predictor of mental health is physical activity (Ravindran et al., 2016); though research on the relationship between different intensities of physical activity and mental health is inconsistent and none have included medical students. The primary purpose of this study was to examine relationships between physical activity, including mild and moderate-to-vigorous physical activity (MVPA), and mental health profiles in a sample of Canadian medical students. A total of N = 125 medical students completed an online survey. Latent profile analysis was performed in Mplus to identify distinct profiles using four continuous latent profile indicators (emotional well-being, social well-being, psychological well-being and resilience). The AUXILIARY function was used to test for differences in physical activity intensities between profiles. Three mental health profiles emerged, showing low (n = 18), moderate (n = 72) and high (n = 36) mental health. The classification quality was good (entropy = 0.81). Individuals in the high mental health profile participated in more mild physical activity (M = 144.28 mins/week; SD = 22.12) and less MVPA (M = 195.86 mins/week; SD = 25.67) compared to students in the moderate and low profiles, though not significantly. This suggests that mild physical activity might be the most effective intensity in supporting mental health among medical students.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».