Associations between green/blue spaces and mental health across 18 countries
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Living near, recreating in, and feeling psychologically connected to, the natural world are all associated with better mental health, but many exposure-related questions remain. Using data from an 18-country survey (n = 16,307) we explored associations between multiple measures of mental health (positive well-being, mental distress, depression/anxiety medication use) and: (a) exposures (residential/recreational visits) to different natural settings (green/inland-blue/coastal-blue spaces); and (b) nature connectedness, across season and country. People who lived in greener/coastal neighbourhoods reported higher positive well-being, but this association largely disappeared when recreational visits were controlled for. Frequency of recreational visits to green, inland-blue, and coastal-blue spaces in the last 4 weeks were all positively associated with positive well-being and negatively associated with mental distress. Associations with green space visits were relatively consistent across seasons and countries but associations with blue space visits showed greater heterogeneity. Nature connectedness was also positively associated with positive well-being and negatively associated with mental distress and was, along with green space visits, associated with a lower likelihood of using medication for depression. By contrast inland-blue space visits were associated with a greater likelihood of using anxiety medication. Results highlight the benefits of multi-exposure, multi-response, multi-country studies in exploring complexity in nature-health associations.
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.
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 | 0,002 | 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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle