MétaCan
Menu
Retour à la cohorte
Enregistrement W4285019271 · doi:10.1186/s12966-022-01325-w

Cross-sectional associations between mental health indicators and social vulnerability, with physical activity, sedentary behaviour and sleep in urban African young women

2022· article· en· W4285019271 sur OpenAlexafffund
Catherine E. Draper, Caylee J. Cook, Stephanie Redinger, Tamsen Rochat, Alessandra Prioreschi, Dale E. Rae, Lisa J. Ware, Stephen J. Lye, Shane A. Norris

Notice bibliographique

RevueInternational Journal of Behavioral Nutrition and Physical Activity · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensSinai Health SystemLunenfeld-Tanenbaum Research InstituteUniversity of Toronto
Organismes subventionnairesDSI-NRF Centre of Excellence in Human Development, University of the Witwatersrand, JohannesburgMedical Research CouncilCanadian Institutes of Health ResearchSouth African Medical Research Council
Mots-clésMental healthVulnerability (computing)Cross-sectional studyGerontologyPhysical activityEnvironmental healthSleep (system call)PsychologyMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Relationships between mental health and multiple health behaviours have not been explored in young South African women experiencing social constraints. The aim of this study was to identify associations between mental health indicators and risk factors with physical activity, sedentary behaviour, and sleep, amongst young women living in Soweto, a predominantly low-income, urban South African setting. METHODS: For this cross-sectional study, baseline measurements for participants (n = 1719, 18.0-25.9 years old) recruited for the Healthy Life Trajectories Initiative were used including: physical activity, sedentary behaviour (sitting, screen and television time), sleep (duration and quality), depression and anxiety indicators, emotional health, adverse childhood experiences, alcohol-use risk; social vulnerability, self-efficacy, and social support. RESULTS: Multiple regression analyses showed that depression (β = 0.161, p < 0.001), anxiety (β = 0.126, p = 0.001), adverse childhood experiences (β = 0.076, p = 0.014), and alcohol-use risk (β = 0.089, p = 0.002) were associated with poor quality sleep. Alcohol-use risk was associated with more screen time (β = 0.105, p < 0.001) and television time (β = 0.075, p < 0.016). Social vulnerability was associated with lower sitting time (β = - 0.187, p < 0001) and screen time (β = - 0.014, p < 0.001). Higher self-efficacy was associated with more moderate- to vigorous-intensity physical activity (β = 0.07, p = 0.036), better-quality sleep (β = - 0.069, p = 0.020) and less television time (β = - 0.079, p = 0.012). Having no family support was associated with more sitting time (β = 0.075, p = 0.022). Binomial logistic regression analyses supported these findings regarding sleep quality, with anxiety and depression risk doubling the risk of poor-quality sleep (OR = 2.425, p < 0.001, OR = 2.036, p = 0.003 respectively). CONCLUSIONS: These findings contribute to our understanding of how mental health indicators and risk factors can be barriers to health behaviours of young women in Soweto, and that self-efficacy and social support can be protective for certain of these behaviours for these women. Our results highlight the uniqueness of this setting regarding associations between mental health and behaviours associated with non-communicable diseases risk.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,369
Écart entre enseignants0,343 · 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 source (Gemma direct ou Codex distillé), 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

Citations24
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Behavioral Nutrition and Physical ActivityMême sujetSleep and related disordersTravaux en français237 207