LEVERAGING LARGE DATA: ASSESSING SOCIAL PARTICIPATION IN THE HEALTH AND RETIREMENT STUDY
Notice bibliographique
Résumé
Continued participation in social activities is associated with positive health outcomes and higher quality of life among community dwelling older adults. Large datasets have the potential to reveal useful information regarding social participation and the factors that impact it; however, most datasets measure social participation via individual items. We use data from the Health and Retirement Study (HRS) to assess whether the five items from the psychosocial questionnaire pertaining to social participation (volunteer with youth, charity work, education, social clubs, non-religious organizations) form a reliable, cohesive scale. The psychosocial questionnaire is administered to an alternating subsample in each wave of the HRS since 2008. We included respondents 65 and older who returned the psychosocial questionnaire in 2010 and 2012 with responses to the social participation items (n=4,317 and n=3,978). In order to test whether the social participation items formed a reliable and cohesive scale, we first used the data from the 2010 wave and performed exploratory factor analysis (EFA) of the social participation items. All five items loaded onto a single factor (i.e., Eigen value >1.0) and had borderline reliability (Cronbach’s alpha= 0.68). We then used the 2012 sample and performed a confirmatory factor analysis (CFA) on the five items using a structural equation model. The CFA showed reasonable fit (RMSEA = 0.04, CFI = 0.99). Results suggest that a scale derived from the social participation items in the HRS may be useful in characterizing general social participation levels and identifying factors that can promote social participation in older populations.
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 | 0,027 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».