Sociodemographic, lifestyle and psychological factors associated with positive mental health In young adults
Bibliographic record
Abstract
Introduction : La santé mentale « florissante » est définie par un niveau de bien-être émotionnel, social et psychologique élevé. Les déterminants des troubles mentaux ont été largement étudiés chez les jeunes adultes mais peu d’études examinent les facteurs associés à la santé mentale positive. Objectifs : Identifier les facteurs associés à une santé mentale florissante chez les jeunes adultes âgés de 28 à 34 ans. Méthodes : Cette étude transversale utilise les données de 792 participants de l’étude NDIT (âge moyen (ET) = 30,6 (1,0) ans) ayant fourni des informations sur leur santé mentale positive, mesurée avec le Mental Health Continuum (MHC-SF). Les corrélats potentiels sociodémographiques, liés au mode de vie et psychologiques ont été analysées via des modèles de regression logistique. Trois modèles ont été effectuée pour chaque corrélat : un modèle non ajusté, un modèle avec ajustement minimal, et un modèle ajusté. Résultats : Les variables associées à une probabilité plus élevée de rapporter une santé mentale florissante incluent : études universitaires complétées (OR [IC 95%] =1,44 [1,05-1,99]), être en couple (1,64 [1,22-2,21]), avoir un emploi (1,97 [1,27-3,11]), qualité de sommeil élevée (3,45 [2,53-4,73]), respecter les lignes directrices sur le temps d'écran (2,12 [1,59-2,85]) et avoir une capacité d'adaptation élevée (3,11 [2,58-3,80]). Les variables associées à une probabilité plus faible incluent: vivre seul (0,58 [0,38-0,86)]), faible revenu annuel du ménage (0,37 [0,20-0,64]), symptômes dépressifs (0,05 [0,01-0,15]) et anxieux (0,17 [0,09-0,29]). Conclusion : Identifier des sous-groupes moins susceptibles d'avoir une santé mentale florissante peut contribuer à orienter des programmes de promotion de la santé mentale. D'autres études longitudinales sont nécessaires pour explorer la causalité des associations.
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 imitationNot 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.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".