MétaCan
Menu
Retour à la cohorte
Enregistrement W2382533045

Related Factors of Subjective Well-being in Widowed Elders

2009· article· en· W2382533045 sur OpenAlexaboutno aff
Wen Di

Notice bibliographique

RevueZhongguo xinli weisheng zazhi · 2009
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth and Wellbeing Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologySubjective well-beingStructural equation modelingRegression analysisSocial supportCoping (psychology)HappinessAlcohol abuseClinical psychologySocial psychologyStatisticsPsychiatry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Objective:To investigate the predictors of Subjective Well-being(SWB) in widowed elders.Methods:A total of 292 widowed elders who living in communities were selected by interval sampling.The subjects were interviewed with the Memorial University of Newfoundland Scale of Happiness,Cornell Medical Index(CMI),Coping Style Questionnaire,Social Support Rating Scale and a self-made questionnaire.The data was analyzed by independent-sample t-test,one-way ANOVA and Structural Equation Modeling.Results:The males reported higher Subjective Well-being than the females [(25.5±5.7)vs.(22.8±6.9),P0.01].CMI,problem-solving,withdrawal,social supports using,subjective social support were significantly correlated with SWB(the regression weight were-0.358,0.567,-0.469,0.320 and 0.152 respectively).Problem-solving,self-abuse,help-seeking,social supports using,subjective social support were significantly correlated with SWB(the regression weight were 0.124,-0.087,0.091,0.049 and 0.098 respectively).Structural Equation Modeling analysis showed that problem-solving had maximal positive effect on SWB,social supports using and subjective social secondly(the regression weight were 0.691,0.369 and 0.250 respectively);withdrawal had maximal negative effect on SWB(the regression weight was-0.469).Conclusion:Lack of social supports is a risk factor of low subjective well-being in widowed elders,and adaptive coping style have positive effect on SWB.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,112
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,026
Tête enseignante GPT0,394
Écart entre enseignants0,368 · 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.

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

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZhongguo xinli weisheng zazhiMême sujetHealth and Wellbeing ResearchTravaux en français237 207