Table2_Greenness moderates the relationship between self-rated social standing and depression among older adults in the Canadian longitudinal study on aging.docx
Notice bibliographique
Résumé
Introduction Greenness is considered to be a health-promoting feature of both natural and built environments and has the potential to influence mental health outcomes. However, most studies to date have neglected to address whether greenness differentially affects mental health outcomes for individuals across the socioeconomic spectrum. Our study explored if greenness is a moderating factor in the relationship between socioeconomic status (SES) and mental health using data from the Canadian Longitudinal Study on Aging (CLSA). Methods A cross-sectional design was used to compare mental health outcomes between individuals with different levels of SES and residential greenness. We used self-rated social standing as a measure of SES and depression score measured using the Centre for Epidemiologic Studies 10-Item Depression Scale (CESD-10) as a measure of mental health. Greenness was measured using the annual maximum Normalized Difference Vegetation Index (NDVI) within a 1,000 m buffer area of participants' residential postal code locations. Results There was a statistically significant moderating effect of greenness for the relationship between self-rated social standing and depression score. As greenness increased, individuals with lower self-rated social standing had the greatest decreases in depression score. Discussion The results of our study suggests that targeting greening interventions at individuals and communities with low SES may reduce depressive symptoms overall, as well as decrease socioeconomic inequalities in depression.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».