Neighbourhood composition and depressive symptoms among older Mexican Americans
Notice bibliographique
Résumé
STUDY OBJECTIVE: Research suggests that economically disadvantaged neighbourhoods confer an increased risk of depression to their residents. Little research has been reported about the association between ethnic group concentration and depression. This study investigated the association between neighbourhood poverty and neighbourhood percentage Mexican American and depressive symptoms for older Mexican Americans in the south western United States. DESIGN: A population based study of older non-institutionalised Mexican Americans from the baseline assessment (1993/94) of the Hispanic established population for the epidemiologic study of the elderly (H-EPESE) merged with 1990 census data. SETTING: Five south western states in the United States. PARTICIPANTS: 3050 Mexican Americans aged 65 years or older. MAIN RESULTS: There was a strong correlation between the percentage of neighbourhood residents living in poverty and the percentage who were Mexican American (r = 0.62; p<0.001). Percentage neighbourhood poverty and percentage Mexican American had significant and opposite effects on level of depressive symptoms among older Mexican Americans. After adjusting for demographic and other individual level factors, each 10% increase in neighbourhood population in poverty was associated with a 0.763 (95% CI 0.06 to 1.47) increase in CES-D score, while each 10% increase in Mexican American neighbourhood population was associated with a -0.548 (95% CI -0.96 to -0.13) unit decrease in CES-D score among older Mexican Americans residing in their neighbourhoods. CONCLUSIONS: The findings suggest a sociocultural advantage conferred by high density Mexican American neighbourhoods, and suggest the need to include community level factors along with individual level factors in community based epidemiological health studies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».