MétaCan
Menu
Retour à la cohorte
Enregistrement W4394824791 · doi:10.1016/s2542-5196(24)00068-8

Examining the mental health impacts of climate change on young people in Canada: a national cross-sectional survey

2024· article· en· W4394824791 sur OpenAlexafffundabout
Breanne Aylward, Ashlee Cunsolo, Susan Clayton, Kelton Minor, Madison Cooper, Susan Chatwood, Sherilee L. Harper

Notice bibliographique

RevueThe Lancet Planetary Health · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change Communication and Perception
Établissements canadiensMemorial University of NewfoundlandUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMental healthDescriptive statisticsPsychological interventionCross-sectional studyPopulationDemographyPsychologyYoung adultGerontologyMedicineGeographyEnvironmental healthPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Climate change poses a substantial threat to the mental wellbeing of young people. Population-level research is urgently needed to help inform policies and interventions to ensure that young people are not burdened by long-term mental health impacts from climate change. We sought to identify the prevalence, distribution, and factors associated with climate change-related mental and emotional health outcomes among young people (aged 13-34 years) in Canada. METHODS: This study is part of a larger cross-sectional survey, which examined mental and emotional health responses to climate change among individuals aged 13 years or older from across Canada. We used a multi-stage, multi-stratified random probability sampling procedure. Participants were randomly recruited through either an addressed letter or a telephone call. Online and telephone questionnaires were used to interview individuals in English, French, or Inuktitut between April 1, 2022, and March 31, 2023. Data were weighted by age and province using population estimates from Statistics Canada and analysed using descriptive statistics, factor analyses, and multivariable regression analyses. FINDINGS: The full survey included 2476 participants, with a subgroup of 409 young people. Of the 401 respondents who provided their gender identity, 215 (54%) identified as cisgender women, 167 (42%) identified as cisgender men, and 19 (5%) identified as non-binary. Preliminary results suggest that young people in Canada experience a wide range of climate-related emotional and mental health outcomes. More than 70% of respondents in the young people subgroup reported having at least mild levels of sadness, anger, worry, anxiety, concern, helplessness, hopelessness, or powerlessness related to climate change. The severity of climate-related emotional responses differed by gender, with non-binary respondents and cisgender women reporting higher average levels of distress than cisgender men. Regional differences were also observed, with northern regions and urban locations reporting more severe reactions. INTERPRETATION: This study builds on the understanding of the burden of climate change on the mental health of young people. If unaddressed, the impact of this burden could have long-standing and wide-reaching public health and related socioeconomic effects. FUNDING: Canadian Institutes of Health Research, ArcticNet, Social Sciences and Humanities Research Council Doctoral Fellowship, Izaak Walton Killam Memorial Scholarship, and Alberta Innovates Graduate Student Scholarship.

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 enseignants0,018
Score d'incertitude au seuil0,132

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,514
Tête enseignante GPT0,468
Écart entre enseignants0,046 · 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

Citations6
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Lancet Planetary HealthMême sujetClimate Change Communication and PerceptionTravaux en français237 207