Beyond companionship: psycho-social benefits of pet ownership
Notice bibliographique
Résumé
BACKGROUND: Pet ownership, which has increased over the last decade, can offer owners health benefits. However, relatively few studies have examined the psycho-social benefits of pet ownership, particularly across diverse contexts and types of pets. Existing research is largely Western-focused, and has paid limited attention to the potential interrelationships between pet ownership, pet types, and gender. This study planned to examine associations between various categories of pet ownership and multiple psycho-social benefits in a sample of adults from Japan. METHOD: A cross-sectional design was applied to investigate and analyze pet species and psycho-social health outcomes. Data were collected via an online survey conducted in 21 major Japanese cities during October to November 2020. Four pet ownership categories were analyzed: "non-pet", "dog", "other pet", and "dog and other pet". Gender-stratified multivariable linear regression models were applied to explore the associations between psycho-social health outcomes and pet ownership categories for both men and women. RESULTS: A total of 8,821 participants were included in analysis. The results showed owning both dogs and other pets was associated with higher neighborhood place attachment and social capital for both men and women. For men, owning other pets (excluding dogs) was positively associated with higher neighborhood place attachment and social capital. Dog ownership was also positively associated with social capital, but not neighborhood place attachment, regardless of gender. CONCLUSIONS: The findings highlight the psycho-social benefits of both single-dog and multi-pet ownership, suggesting their potential for fostering health and social well-being. More research is needed to examine the contributions of specific multi-pet and single-dog ownership and the pathways by which pet ownership contribute to health and 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 | 0,003 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».