Depressive symptoms among older adults in urban and rural areas
Notice bibliographique
Résumé
OBJECTIVES: To determine if there are differences in depressive symptoms between residents of urban areas, small town zones, and predominantly rural regions and to determine factors associated with depressive symptoms among these groups of residents. METHOD: The study was set in the Canadian province of Manitoba amongst a community-dwelling population of older adults who were cognitively intact. The design of the study was a cross-sectional survey and measures included age, gender, education, living arrangements, number of persons providing companionship, perceived adequacy of income, functional impairment, self-rated health and the Center for Epidemiologic Studies-Depression (CES-D) scale. Urban/rural residence was measured by grouping Census sub-divisions according to 1991 Census population: urban (>19,999); small town (2500 to 19,999); or predominantly rural (<2500). RESULTS: In the total sample (n = 1382), 11.5% exhibited depressive symptoms: 11.6% in urban areas (n = 844); 14.0% in small town zones (n = 250); 9.0% in predominantly rural regions (n = 288) (p > 0.05, chi-square test). No rural-urban differences were seen in multivariate models. In predominantly rural regions, living alone, perceiving one's income as inadequate, and having functional impairment were associated with depressive symptoms. The only significant factor in small town zones was poorer self-rated health whereas in urban areas, poorer self-rated health, functional impairment, and fewer persons providing companionship were significantly related to depressive symptoms. CONCLUSIONS: We did not observe rural-urban differences. However, the factors associated with depressive symptoms varied among older adults living in predominantly rural regions, in small towns, and in urban areas.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».