Cross sectional associations of physical activity and sleep with mental health among Chinese university students
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to examine the levels of physical activity (PA), sleep, and mental health (MH), specifically depression, anxiety, and stress, among Chinese university students. It also aimed to analyze the influencing factors of MH, providing a theoretical foundation for developing intervention programs to improve college students' mental health. METHODS: A stratified, clustered, and phased sampling method was employed. In September 2022, a survey was conducted among 36,756 university students from 104 higher education institutions across 31 provinces, autonomous regions, and municipalities in China. The participants' PA behaviors, sleep patterns, depressive symptoms (use the CES-D), anxiety symptoms (use the GAD-7), smoking and drinking behaviors, and demographic information were assessed through an online questionnaire using Questionnaire Star software. RESULTS: A total of 30,475 valid questionnaires were completed. The proportion of university students engaging in light-intensity PA was 77.6%. The prevalence of insufficient sleep was 39.5%, whereas the prevalence of poor sleep quality was 16.7%. The prevalence of depressive symptoms was 10%, and the prevalence of anxiety symptoms was 23.3%. Binary logistic regression analysis revealed that engaging in moderate to high-intensity PA and having sufficient and high-quality sleep were associated with a lower likelihood of depressive symptoms (OR = 0.207-0.800, P < 0.01), whereas appropriate sleep duration and higher sleep quality were associated with a lower likelihood of anxiety symptoms (OR = 0.134-0.827, P < 0.001). CONCLUSION: The intensity of PA among university students is predominantly light, and the reported rate of insufficient sleep is relatively high. Moderate to high-intensity PA and sufficient high-quality sleep may alleviate MH issues among college students, with an interaction effect observed among PA, sleep, and depression symptoms. Future studies should further explore targeted interventions combining PA and sleep behaviors to enhance the MH of university students.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».