MétaCan
Menu
Retour à la cohorte
Enregistrement W2046528494 · doi:10.1093/geronb/gbu187

Relocation and Social Support Among Older Adults in Rural China

2015· article· en· W2046528494 sur OpenAlexaff
Zheng Wu, Margaret J. Penning, Weihong Zeng, Shuzhuo Li, Neena L. Chappell

Notice bibliographique

RevueThe Journals of Gerontology Series B · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Aging, and Tourism Studies
Établissements canadiensUniversity of Victoria
Organismes subventionnairesGordon and Betty Moore Foundation
Mots-clésRelocationChinaSocial supportOrdered probitPovertyDemographic economicsEmotional supportPsychologyInstrumental variableSocioeconomicsEconomic growthGeographySocial psychologyEconomics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: China's economic reforms have led to millions of citizens being relocated to support infrastructure development, reduce poverty, and address ecological, disaster-related and other concerns. This study expands on previous research on the implications of relocation in China by examining the impact of rural elders' relocation on the perceived availability of emotional, instrumental, and financial support. METHODS: Data were drawn from the Ankang Study of Aging and Health conducted with a representative sample of 1,062 rural residents aged 60 and over living in Ankang, China. Two-stage probit and least squares regression models assessed the impact of relocation on familial and nonfamilial emotional, instrumental, and financial support. RESULTS: Relocation was negatively associated with the number of social support resources that older adults perceived as being available. Although this was the case with regard to both familial and nonfamilial support, it was particularly evident with regard to family support and, within families, with regard to instrumental rather than financial or emotional support. DISCUSSION: Relocation has negative implications for the number of social support resources perceived to be available by older adults in rural China. China will need to come to terms with how to provide for the instrumental support needs of an aging society.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,780
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,030
Tête enseignante GPT0,317
Écart entre enseignants0,287 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations36
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journals of Gerontology Series BMême sujetMigration, Aging, and Tourism StudiesTravaux en français237 207