MétaCan
Menu
Retour à la cohorte
Enregistrement W3097967883 · doi:10.1038/s41598-020-75825-9

Results from an 18 country cross-sectional study examining experiences of nature for people with common mental health disorders

2020· article· en· W3097967883 sur OpenAlexaff
Michelle Tester‐Jones, Mathew P. White, Lewis R. Elliott, Netta Weinstein, James Grellier, Theo Economou, Gregory N. Bratman, Anne Cleary, Mireia Gascón, Kalevi Korpela, Mark Nieuwenhuijsen, Aisling O’Connor, Ann Ojala, Matilda van den Bosch, Lora E. Fleming

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesEuropean Commission
Mots-clésAnxietyHappinessMental healthDepression (economics)Cross-sectional studyMedical prescriptionPsychologyPsychiatryMedicineClinical psychologySocial psychologyNursing

Résumé

récupéré en direct d'OpenAlex

Exposure to natural environments is associated with a lower risk of common mental health disorders (CMDs), such as depression and anxiety, but we know little about nature-related motivations, practices and experiences of those already experiencing CMDs. We used data from an 18-country survey to explore these issues (n = 18,838), taking self-reported doctor-prescribed medication for depression and/or anxiety as an indicator of a CMD (n = 2698, 14%). Intrinsic motivation for visiting nature was high for all, though slightly lower for those with CMDs. Most individuals with a CMD reported visiting nature ≥ once a week. Although perceived social pressure to visit nature was associated with higher visit likelihood, it was also associated with lower intrinsic motivation, lower visit happiness and higher visit anxiety. Individuals with CMDs seem to be using nature for self-management, but 'green prescription' programmes need to be sensitive, and avoid undermining intrinsic motivation and nature-based experiences.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

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

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 Opus0,026
Tête enseignante GPT0,313
Écart entre enseignants0,288 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations72
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetUrban Green Space and HealthTravaux en français237 207