Running Through the Haze: How Wildfire Smoke Affects Physical Activity and Mental Well-Being
Notice bibliographique
Résumé
BACKGROUND: With a warming climate, extreme wildfires are more likely to occur, which may adversely affect air quality, physical activity (PA), and therefore, mental well-being. METHODS: We assessed PA engagement and mental well-being between periods with and without wildfire smoke, and whether there were associations between changes in PA behavior and mental well-being. Questionnaires on PA and mental well-being during a period of wildfire smoke were completed by 348 participants; of these participants, 162 also completed a follow-up PA and mental well-being questionnaire during a period without wildfire smoke. Data were analyzed using generalized/linear mixed models. Relationships between mental well-being and PA were analyzed using repeated-measures correlations. RESULTS: Leisure-time walking, moderate PA, and vigorous PA were all significantly lower during periods of smoke compared to periods without smoke. Participants also experienced significantly higher symptoms of stress (11.63 [1.91] vs 10.20 [1.70], P = .039), anxiety (7.75 [2.24] vs 4.38 [1.32], P < .001), and depression (9.67 [0.90] vs 7.27 [0.76], P < .001) during the period of wildfire smoke. Vigorous PA, the proportion of PA time spent outdoors, and the sum of PA during leisure time, were significantly negatively correlated with mental well-being, therefore, it is possible that PA could be used as a tool during times of wildfire smoke. CONCLUSIONS: These data suggest that PA and mental well-being are adversely impacted during wildfire smoke events. Future research should consider the impact of strategies to support PA during wildfire events on PA and mental well-being.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».