MétaCan
Menu
Retour à la cohorte
Enregistrement W4309796547 · doi:10.1371/journal.pone.0276517

The impact of greenspace or nature-based interventions on cardiovascular health or cancer-related outcomes: A systematic review of experimental studies

2022· review· en· W4309796547 sur OpenAlexaboutno aff
Jean C. Bikomeye, Joanna Balza, Jamila Kwarteng, Andreas Beyer, Kirsten Beyer

Notice bibliographique

RevuePLoS ONE · 2022
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensnon disponible
Organismes subventionnairesNational Heart, Lung, and Blood InstituteMedical College of Wisconsin Cancer CenterNational Cancer InstituteNational Institutes of HealthMedical College of WisconsinCardiovascular Center, Medical College of WisconsinAmerican Heart Association
Mots-clésPsychological interventionCancerMedicineCardiovascular healthEnvironmental healthGerontologyDiseaseInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

SIGNIFICANCE: Globally, cardiovascular disease (CVD) and cancer are leading causes of morbidity and mortality. While having different etiologies, CVD and cancer are linked by multiple shared risk factors, the presence of which exacerbate adverse outcomes for individuals with either disease. For both pathologies, factors such as poverty, lack of physical activity (PA), poor dietary intake, and climate change increase risk of adverse outcomes. Prior research has shown that greenspaces and other nature-based interventions (NBIs) contribute to improved health outcomes and climate change resilience. OBJECTIVE: To summarize evidence on the impact of greenspaces or NBIs on cardiovascular health and/or cancer-related outcomes and identify knowledge gaps to inform future research. METHODS: Following the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) 2020 and Peer Review of Electronic Search Strategies (PRESS) guidelines, we searched five databases: Web of Science, Scopus, Medline, PsycINFO and GreenFile. Two blinded reviewers used Rayyan AI and a predefined criteria for article inclusion and exclusion. The risk of bias was assessed using a modified version of the Newcastle-Ottawa Scale (NOS). This review is registered with PROSPERO, ID # CRD42021231619. RESULTS & DISCUSSION: Of 2565 articles retrieved, 31 articles met the inclusion criteria, and overall had a low risk of bias. 26 articles studied cardiovascular related outcomes and 5 studied cancer-related outcomes. Interventions were coded into 4 categories: forest bathing, green exercise, gardening, and nature viewing. Outcomes included blood pressure (BP), cancer-related quality of life (QoL) and (more infrequently) biomarkers of CVD risk. Descriptions of findings are presented as well as visual presentations of trends across the findings using RAW graphs. Overall studies included have a low risk of bias; and alluvial chart trends indicated that NBIs may have beneficial effects on CVD and cancer-related outcomes. CONCLUSIONS & IMPLICATIONS: (1) Clinical implication: Healthcare providers should consider the promotion of nature-based programs to improve health outcomes. (2) Policy implication: There is a need for investment in equitable greenspaces to improve health outcomes and build climate resilient neighborhoods. (3) Research or academic implication: Research partnerships with community-based organizations for a comprehensive study of benefits associated with NBIs should be encouraged to reduce health disparities and ensure intergenerational health equity. There is a need for investigation of the mechanisms by which NBIs impact CVD and exploration of the role of CVD biological markers of inflammation among cancer survivors.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0060,003
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,233
Tête enseignante GPT0,439
Écart entre enseignants0,205 · 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.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations47
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetUrban Green Space and HealthTravaux en français237 207