Green spaces, subjective health and depressed affect in middle-aged and older adults: a cross-country comparison of four European cohorts
Notice bibliographique
Résumé
BACKGROUND: Studies on associations between urban green space and mental health have yielded mixed results. This study examines associations of green space exposures with subjective health and depressed affect of middle-aged and older adults in four European cohorts. METHODS: Data came from four Western-European and Central-European ageing cohorts harmonised as part of the Mindmap project, comprising 16 189 adults with an average age of 50-71 years. Green space exposure was based on the distance to the nearest green space and the amount of green space within 800 m buffers around residential addresses. Cohort-specific and one-step individual participant data (IPD) meta-analyses were used to examine associations of green space exposures with subjective health and depressed affect. RESULTS: The amount of green spaces within 800 m buffers was lowest for Residential Environment and CORonary heart Disease (Paris, 15.0 hectares) and highest for Health, Alcohol and Psychosocial factors In Eastern Europe (Czech Republic, 35.9 hectares). IPD analyses indicated no evidence of an association between the distance to the nearest green space and depressed affect (OR 0.98, 95% CI 0.96 to 1.00) or good self-rated health (OR 1.01, 95% CI 0.99 to 1.02). Likewise, the amount of green space within 800 m buffers did not predict depressed affect (OR 0.98, 95% CI 0.96 to 1.00) or good self-rated health (OR 1.01, 95% CI 0.99 to 1.02). Findings were consistent across all cohorts. CONCLUSIONS: Data from four European ageing cohorts provide no support for the hypothesis that green space exposure is associated with subjective health or depressed affect. While longitudinal evidence is required, these findings suggest that green space may be less important for older urban residents.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».