Green, Brown, and Gray: Associations between Different Measurements of Land Patterns and Depression among Nursing Students in El Paso, Texas
Notice bibliographique
Résumé
BACKGROUND: While greenness has been associated with lower depression, the generalizability of this association in arid landscapes remains undetermined. We assessed the association between depression and residential greenness, but also brownness and grayness among nursing students living in El Paso, Texas (the Chihuahuan desert). METHODS: Depression was measured with the Patient Health Questionnaire-9 scale and greenness with the normalized difference vegetation index across three buffer sizes (i.e., 250, 500, and 1000 m). Using data from the National Land Cover Database, two additional measures of land patterns were analyzed: grayness and brownness. Structural equation models were used to assess the relationships of these land patterns to depression and quantify the indirect effects of peer alienation. RESULTS: After adjusting for individual characteristics, at buffers 250 m, greenness was not associated with a decrease in the Incidence Rate Ratios (IRR) of depression (IRR, 0.51; 95% CI, 0.12-2.10); however, grayness and brownness were respectively associated with increases by 64% (IRR, 1.64; 95% CI, 1.07-2.52) and decreases by 35% (IRR, 0.65; 95% CI, 0.42-0.99). At buffer 250 m, peer alienation explained 17.43% (95% CI, -1.79-36.66) of the association between depression and brownness, suggesting a pathway to depression. CONCLUSIONS: We did not observe an association between depression and residential greenness in El Paso, Texas. However, we did observe a protective association between brownness and depression and an adverse association with grayness. These results have theoretical implications as they were based on commonly used frameworks in this literature, and adverse association of brownness (and the lack of greenness) and depression was expected.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».