Do age, psychosocial, and health characteristics alter the weak and strong tie composition of network diversity and core network size in urban adults?
Notice bibliographique
Résumé
Social capital and social support are two key constructs in the study of social networks and health. Despite their importance, little research has sought to examine the characteristics of those social ties by which individuals access social capital and support resources. Network diversity - a key structural feature in accessing social capital - refers to a person's broad but generally weak and heterogeneous social ties; core network size - a key structural feature in accessing social support - refers to the close, strong ties in personal networks. Our study examines whether the tie strength composing network diversity and core network size varies according to age-, psychosocial-, or health-related characteristics. Data came from the Montreal Neighbourhood Networks and Healthy Aging (MoNNET-HA) study, a representative sample of 2707 Montreal, Canada adults. Position and name generators were used to collect data on network diversity and core networks, and whether access to social resources was through kin, friends, or acquaintances. Multilevel negative binomial regression was used to account for the counts of different tie strengths nested within individuals and tracts. Network diversity and core network size both declined with older age groups, with those declines being more noticeable in not having ties at all or fewer ties with friends. Psychosocial and health factors altered the relative contribution of kin, friends and acquaintances to network diversity and core network size in similar patterns. Understanding the tie composition of network diversity and core network size can contribute to our knowledge of the social mechanisms linking social capital and support to health outcomes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| 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 | 0,002 | 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) | 0,000 | 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 tête enseignante, 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 ».