The role of green and blue spaces in perinatal maternal mental health outcomes during the transition to parenthood
Notice bibliographique
Résumé
INTRODUCTION: Green spaces and blue spaces associate positively with mental health outcomes. However, research on their effects within the perinatal population is limited. The unique needs and circumstances of this group and their increased risk for poor mental health underscore the importance of understanding their relationship with their immediate physical environments. The current study investigates how proximity to green spaces and blue spaces relate to perinatal depression and anxiety symptoms and if the strength of this relationship varies over the perinatal period (prenatal, and 3, 6, 12, & 24 months postpartum). METHODS: Green (NDVI, tree canopy) and blue space (distance from the nearest water body) measures from the Canadian Urban Environmental Health Research Consortium were linked to depression (Edinburgh Postnatal Depression Scale) and anxiety (Patient-Reported Outcomes Measurement Information System) data from the pan-Canadian Pregnancy during the COVID-19 Pandemic (PdP; n = 10,866) cohort study. RESULTS: Greater NDVI (-0.91 (-1.77, -0.05) and shorter distance to water bodies (-0.14 (-0.24, -0.03)) were associated with fewer perinatal depression symptoms. On probing interactions with time, the relationship between tree canopy and NDVI varied over time for both depression and anxiety symptoms, with strongest associations at the prenatal time point. Effects of distance to water bodies did not vary over time. CONCLUSION: Green spaces and blue spaces were associated with fewer perinatal depression and anxiety symptoms, particularly during pregnancy. These findings suggest the need for studies to determine if exposure to green and blue spaces can contribute to reduced depression and anxiety symptoms in expectant individuals.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 ».