MétaCan
Menu
Back to cohort
Record W2599908389 · doi:10.24095/hpcdp.36.8.03f

Profils de multiples comportements à risque pour la santé des étudiants universitaires et leurs liens avec la santé mentale :utilisation de l’analyse des classes latentes

2016· article· fr· W2599908389 on OpenAlexafffundvenueabout
Matthew Kwan, Kelly P. Arbour‐Nicitopoulos, Eric Duku, Guy Faulkner

Bibliographic record

VenuePromotion de la santé et prévention des maladies chroniques au Canada · 2016
Typearticle
Languagefr
FieldPsychology
TopicBehavioral Health and Interventions
Canadian institutionsUniversity of British ColumbiaUniversity of TorontoMcMaster University
FundersCanadian Institutes of Health ResearchPublic Health Agency of Canada
KeywordsHumanitiesSociologyPolitical sciencePsychologyPhilosophy

Abstract

fetched live from OpenAlex

Introduction Les campus universitaires et collégiaux sont sans doute les derniers milieux au sein desquels il est possible d’aborder de façon globale la question de la santé d’une grande proportion de la population de jeunes adultes. Il est important que les promoteurs de la santé saisissent en quoi consistent les difficultés collectives auxquelles font face les étudiants et qu’ils comprennent mieux les modèles plus larges de comportements liés au mode de vie qui se manifestent au cours de cette période de la vie. L’objectif de notre étude a été de déterminer des catégories de comportements à risque pour la santé modifiables et d’étudier la relation entre ces catégories et divers paramètres relevant de la santé mentale au sein d’un vaste échantillon d’étudiants universitaires canadiens. Méthodologie Des étudiants de premier cycle (n = 837, âge moyen = 21 ans) de l’Université de Toronto ont répondu à l’enquête National College Health Assessment (NCHA) (évaluation nationale de la santé dans les collèges) qui comprend environ 300 éléments, dont des évaluations de l’état de santé, de la santé mentale et des comportements à risque pour la santé des étudiants. Nous avons réalisé une analyse des classes latentes pour relever des profils en fonction de huit comportements à risque pour la santé connus (consommation de marijuana, consommation d'autres drogues illégales, rapports sexuels à risque, tabagisme, excès occasionnel d’alcool, mauvaise alimentation, inactivité physique, manque de sommeil). Résultats Nous avons obtenu un modèle à trois catégories axé sur les profils de comportement des étudiants : étudiants « typiques », « à risque élevé » et « relativement en bonne santé ». Nos résultats ont par ailleurs montré que les étudiants à risque élevé ont déclaré souffrir d’un niveau de stress considérablement plus élevé que celui des étudiants typiques (χ2 [1671] = 7,26; p < 0,01). Conclusion Les étudiants les plus susceptibles d’adopter de multiples comportements à risque pour la santé ont fait état d’une moins bonne santé mentale, particulièrement en ce qui concerne le stress. Bien que l’on doive interpréter ces conclusions avec prudence en raison du taux de réponse de 28 %, celles-ci suggèrent néanmoins que l’on pourrait envisager des interventions ciblées auprès de groupes d’étudiants ayant des profils similaires de multiples comportements à risque pour la santé.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.016
metaresearch head score (Gemma)0.047
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.947
Threshold uncertainty score0.105

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0160.047
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.005
Bibliometrics0.0020.003
Science and technology studies0.0020.001
Scholarly communication0.0060.003
Open science0.0020.003
Research integrity0.0010.003
Insufficient payload (model declined to judge)0.0120.002

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.061
GPT teacher head0.382
Teacher spread0.322 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2016
Admission routes4
Has abstractyes

Explore more

Same venuePromotion de la santé et prévention des maladies chroniques au CanadaSame topicBehavioral Health and InterventionsFrench-language works237,207