Geographical Disparities of Uncertainty Stress and Life Stress Among University Students: A Study Across All Provinces in Mainland China
Notice bibliographique
Résumé
The study objective was to investigate geographical variation of uncertainty stress and life stress among university students in China. Respondents comprised 11,954 students from 50 universities and 31 provinces in China's mainland. Respondents completed the extended version of Global Health Professional Student Survey (GHPSS) on Tobacco Control in China, which added additional health, mental stress, and behavioural items on original version, and regional variables were retrieved from the National Bureau of Statistics database. Both unadjusted and adjusted methods were used in the logistic regression analysis. The prevalence of high uncertainty stress was 19.60% (95% CI: 15.90%, 23.30%), while the prevalence of life stress was 8.60% (95% CI: 7.20%, 10.70%). The prevalence rates varied significantly across the 31 provinces. The random parameters for uncertainty stress and life stress were statistically significant at the 0.01 level, with values of 0.2593 and 0.3971, respectively. The geographical distribution revealed two high uncertainty stress zones between the east coast and the middle area, as well as in the west area from south to north. High life stress, on the other hand, was concentrated in the central area. Multilevel logistic regression showed province level per capita disposal income of households partly contributed to uncertainty stress (OR = 0.52, 95% CI: 0.36, 0.94) and life stress (OR = 0.59, 95% CI: 0.52, 0.89). These findings underscore the importance of environmental contribution to mental stress among university students. Given that college students' mental stress is high, there is a need for environmental measurements to prevent and address multiple perceived stress in 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 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».