Associations between sedentary behavior and negative emotions in adolescents during home confinement: Mediating role of social support and sleep quality
Notice bibliographique
Résumé
Background: Prolonged periods of sedentary behaviour, for instance, engendered by home confinement in Shenzhen city, has led to negative mental health consequences, especially in adolescents. Previous research suggests, in general, that sedentary behavior can increase negative emotions. However, the specific mechanism driving the relationship between sedentary behavior and negative emotions is still relatively unclear. Social support and sleep quality might partly explain the effect of sedentary behavior on negative emotions. Thus, the current study aimed to examine the associations between sedentary behavior and negative emotions, and to investigate if social support and sleep quality mediate such a relationship. Method: During home confinement due to the COVID-19 Omicron variant outbreak, 1179 middle and high school students in Shenzhen were invited to voluntarily complete an e-questionnaire, including the 21-item Depression Anxiety Stress Scale (DASS-21), the short form of the International Physical Activity Questionnaire (IPAQ-SF), the Social Support Rating Scale (SSRS) and the Pittsburgh Sleep Quality Index (PSQI). Data from 1065 participants were included in the analysis. Results: < .01), even after controlling for sex, age, only-child case, body mass index, and metabolic equivalent level. In addition, social support and sleep quality partially mediated the association between sedentary behavior and negative emotions. Conclusion: The findings of the current study suggest that social support and sleep quality partially mediate the relationship between sedentary behavior and negative emotions in middle and high school students during home confinement in Shenzhen city.
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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».