MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413300339 · doi:10.20944/preprints202508.1026.v1

Urban Green Spaces and Social Cohesion in Racially and Ethnically Diverse Communities: A Scoping Review of Mediators, Inequities, and Health Equity Implications

2025· preprint· en· W4413300339 sur OpenAlexaboutno aff
Mahshid Gorjian

Notice bibliographique

RevuePreprints.org · 2025
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHealth equityEthnically diverseCohesion (chemistry)Equity (law)SociologyPolitical scienceEconomic growthEthnic groupEconomicsHealth careAnthropology

Résumé

récupéré en direct d'OpenAlex

Background A predictor of public health, social cohesiveness may be improved by urban green areas through processes such as trust, affiliation, and social capital. However, these advantages are frequently prevented by inequitable access, maintenance discrepancies, safety concerns, and the threat of green redevelopment in racially and ethnically diverse neighborhoods.Objectives/Aims To collect information regarding the correlation between unity in society and urban green spaces across racially and ethnically diverse groups, while also identifying mediating variables, inequalities, and implications for public health equality.Methods A scoping review was performed in line with the PRISMA extension for scoping reviews. From the beginning until March 2024, MEDLINE, Scopus, Web of Science, and Embase were searched using a limited vocabulary and terms relating to natural space, social cohesion, and varied communities. The research was eligible if they assessed urban green areas and social integration, demonstrated linked health consequences, and looked into historically disadvantaged populations. Quantitative and qualitative designs were equally acceptable. Data extraction and quality evaluation (Newcastle-Ottawa Scale, CASP) were carried out in triplicate. A theme synthesis was created by combining data from six domains: the social environment, the built environment, leisure, maintenance, safety, and green gentrification.Results/Key Findings 126 studies met the inclusion criteria, which included a variety of demographics and geographic locations, out of 3,246 documents. High-quality, culturally inclusive, and easily accessible green spaces were consistently associated with improved mental health, increased physical activity, and increased community trust. Felt safety and leisure inclusion were the primary mediators. The advantages were restricted by structural imbalances, such as unequal park financing, biased implementation, and a lack of canopy cover. Green gentrification has a mixed effect, as it can occasionally improve amenities while also increasing the likelihood of exclusion and displacement. Causal inference was restricted by the variability in measurement and cross-sectional dominance.Conclusions/Implications Urban green spaces have the potential to improve the health and social cohesion of various communities; however, their benefits are contingent upon their cultural significance, maintenance, safety, and equitable design. It is essential that policymakers, practitioners, and academics work together to establish criteria for safety and cohesiveness, incorporate anti-displacement strategies, and collaborate to develop solutions with impacted communities. Optimizing the health equity advantages of urban greening necessitates the mitigation of structural imbalances.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,059
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,059
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0190,022
Études des sciences et des technologies0,0020,003
Communication savante0,0050,005
Science ouverte0,0020,004
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,237
Tête enseignante GPT0,438
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.org→Même sujetUrban Green Space and Health→Travaux en français237 207→