Do Our Friends and Relatives Help Us Better Assess Our Health? Examining the Role of Social Networks in the Correspondence Between Self-Rated Health and Having Metabolic Syndrome
Notice bibliographique
Résumé
If individuals believe they are healthier than they actually are, they may feel less compelled to improve their health. This study aims to examine the importance of a person’s connections in the correspondence between a person’s self-reported health (SRH) and having metabolic syndrome (MetS). Participants of the Kingston Senior Women’s Study ( n = 100, 65 years of age and older) completed a questionnaire on their social background, psychosocial conditions, health behaviors, and health. Participants also provided physiological measures and medical information. Health overestimation was defined as reporting high SRH yet being diagnosed with MetS. Logistic regression was used to examine whether a person’s social networks increased the odds of health overestimation. About a third reported a high SRH and had MetS (36%), that is, overestimated their health. Participants had more than four social network ties on average, with a maximum of six reported ties. When control variables were accounted for, participants with larger network size had lower odds of health overestimation (odds ratio [OR] = 0.46, 95% confidence interval [CI] = [0.26, 0.80]). Women with larger social networks may have greater access to information about their own health, leading possibly to more accurate assessments. Such information may be conveyed via feedback from ties or via a more representative perception of what constitutes good health when self-assessing one’s health.
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 | 0,003 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».