Socioeconomic inequalities in resilience and vulnerability among older adults: a population-based birth cohort analysis
Notice bibliographique
Résumé
ABSTRACTBackground:Aging is associated with declines in physical capability; however, some individuals demonstrate high well-being despite this decline, i.e. they are "resilient." We examined socioeconomic position (SEP) and resilience and the influence of potentially modifiable behavioral resources, i.e. social support and leisure time physical activity (LTPA), on these relationships. METHODS: Data came from the Medical Research Council National Survey of Health and Development, a nationally-representative birth cohort study. Resilience-vulnerability at age 60-64 years (n = 1,756) was operationalized as the difference between observed and expected levels of well-being, captured by the Warwick-Edinburgh Mental Well-being Scale (WEMWBS), given the level of performance-based physical capability. SEP was assessed by father's and own social class, parental education, and intergenerational social mobility. PA and structural/functional social support were reported at ages 53 years and 60-64 years. Path analysis was used to examine mediation of SEP and resilience-vulnerability through LTPA and social support. RESULTS: Participants in the highest social class had scores on the resilience to vulnerability continuum that were an average of 2.3 units (β = 0.46, 95% CI 0.17, 0.75) higher than those in the lowest social class. Greater LTPA (β = 0.58, 95% CI 0.31, 0.85) and social support (β = 3.27, 95% CI 2.90, 3.63) were associated with greater resilience; LTPA partly mediated participant social class and resilience (23.4% of variance). CONCLUSIONS: Adult socioeconomic advantage was associated with greater resilience. Initiatives to increase LTPA may contribute to reducing socioeconomic inequalities in this form of resilience in later life.
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 | 0,001 | 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 | 0,000 | 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 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 ».