Happiness Under Haze: A Study on the Moderating Effect of Air Quality and Mental Well-being in New Delhi
Notice bibliographique
Résumé
In New Delhi, where air quality index (AQI) is often hazardous due to vehicular traffic, industrialization, crop residue burning, and seasonal changes, has not only aggravated respiratory, cardiac, and neurological medical conditions but has also taken a toll on mental well-being such that stress, anxiety, and depression symptoms have in-creased while cognitive functioning and overall satisfaction in life have decreased.This research seeks to investigate how different levels of AQI, aver-age PM2.5 and PM10 concentration of particles for different periods, affect the various components of happiness such as emotional mental health, wellbeing, life satisfaction, and social well-being of the people in New Delhi, pollution sensitivity being the moderating factor to examine the extent to which the degradation of air quality makes others distressed especially those who are more prone to pollution.A quantitative, crosssectional survey methodology with stratified random sampling of New Delhi residents is applied in this study to describe how AQI, PM2.5, and PM10 concentrations are related to happiness by demographic attributes, with pollution sensitivity as a moderator variable, descriptive statistics, multiple regression analysis, Pearson correlation analysis, and SEM were used to measure the indirect and direct effects of air quality on happiness.The findings indicate moderate happiness levels, with significant negative correlations (p < 0.01) between happiness indicators and air pollution measures, such as AQI's strong negative correlation with Mental Health (-0.55) and Physical Health Perception (-0.57), underscoring pollution's impact on well-being.Regression analysis further supports this, showing significant negative effects of AQI on Self-Reported Happiness (β = -0.34,p = 0.001) and Mental Health (β = -0.38,p = 0.004), while moderation analysis confirms that higher pollution sensitivity amplifies the adverse effects, as shown by AQI's interaction with Self-Reported Happiness (B = -0.15,t = -3.75,p < 0.001).
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».