MétaCan
Menu
Retour à la cohorte
Enregistrement W2142221596 · doi:10.1177/0898264314527478

What Type of Social Support Influences Self-Reported Physical and Mental Health Among Older Women?

2014· article· en· W2142221596 sur OpenAlexaff
Sabrina T. Wong, Amery D. Wu, Steven E. Gregorich, Eliseo J. Pérez‐Stable

Notice bibliographique

RevueJournal of Aging and Health · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Institute on AgingNational Institute of Mental HealthAgency for Healthcare Research and Quality
Mots-clésSocial supportEthnic groupMental healthRace and healthPsychologyRace (biology)Clinical psychologyInclusion (mineral)GerontologyEmotional supportHealth equityMedicinePsychiatryPublic healthSocial psychology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: We examined which types of social support were associated with older women's self-report of physical and mental health and whether the effects of social support were moderated by race/ethnicity. METHOD: Women completed a health behavior survey that included the Medical Outcomes Study-Short Form-12 (MOS SF-12). Single race/ethnic group regressions examined whether different types of social support were related to health. We also examined Pratt's relative importance measures. RESULTS: Emotional support had the strongest effect on both physical and mental health, explaining the highest amount of variation, except among African Americans. Race/ethnicity moderated the association of informational support for Asian women's reports of their mental health. DISCUSSION: For clinicians, assessing individuals' emotional support is important for maintaining or increasing physical and mental health. Clinicians can also assess Asian women's stress, providing informational support accordingly as too much information could be detrimental to their health. For researchers, the inclusion of emotional support items is the most important.

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)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,291
Score d'incertitude au seuil0,498

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,034
Tête enseignante GPT0,403
Écart entre enseignants0,369 · 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

Citations35
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Aging and HealthMême sujetHealth disparities and outcomesTravaux en français237 207