Correlation between mental health and subjective well-being in aged people of rural areas of Chongqing
Notice bibliographique
Résumé
Objective To investigate the relationship between the metal health and subjective well-being of aged people in rural area of Chongqing.Methods Multistage stratified random sampling method was performed,and a total of 588 aged people more than 60 years old in rural area of Chongqing were investigated.Psychological health status and subjective well-being were evaluated by using Self-Reporting Inventory(SCL-90)and Memorial University of Newfoundland Scale of Happiness(MUNSH)respectively.Results The scores of SCL-90 ranged from 91 to 199and mean score was(109.13±11.81),which were significant lower than Chinese adult norm(P0.05).The scores of MUNSH ranged from 6to 48 and the mean score was(33.78±8.16).And 500 subjects,according to 85.03%,were with scores over 24,which meant positive affection was predominated.Female,mateless elderly,elderly with chronic disease,low education,low income,poor parent-child relationship,higher cognitive level and low social support level were with significantly poorer psychological health status(P0.05).Mateless elderly,elderly with low education,low income,with chronic disease,living alone,poor parent-child relationship,low cognitive level,poor live ability and low social support level were with significantly lower level of subjective well-being(P0.05).Total score of SCL-90,mean score of positive symptoms,score of factors involving somatization,diet and sleep and depression were negatively associated with total score of MUNSH(P0.05),while were positively associated with negative affection and negative experience(P0.05).The descending order of SCL-90 various factors,predicting subjective well-being,was diet and sleep,anxiety,somatization and depression respectively.Conclusion Psychological health status might be strongly associated with subjective well-being,in which diet and sleep,anxiety,somatization and depression could predict subjective well-being rightly.
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 | 0,001 | 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 ».