MétaCan
Menu
Retour à la cohorte
Enregistrement W2775882875 · doi:10.1177/0898264317713135

Mental Health and Spouse Support Among Older Couples Living With Sensory Loss

2017· article· en· W2775882875 sur OpenAlexaff
Christine M. Lehane, Sofia Maria Hofsöe, Walter Wittich, Jesper Dammeyer

Notice bibliographique

RevueJournal of Aging and Health · 2017
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensUniversité de Montréal
Organismes subventionnairesVelux Fonden
Mots-clésSpouseMental healthSensory lossHearing lossSensory systemAnxietyPsychologySocial supportClinical psychologyMedicinePsychiatryAudiologySocial psychology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The current study examined the mental health of couples living with and without sensory loss; compared the mental health of couples living with hearing, vision, or dual-sensory loss; and investigated the association between spouse support and the mental health of couples living with sensory loss. METHOD: The study included 513 couples with sensory loss and 1,079 couples without sensory loss. Actor-Partner Interdependence Models were used to examine associations between spouse support and mental health. RESULTS: Controlling for potential covariates, individuals with sensory loss and their spouses were at a greater risk of mental health problems. Sensory loss modality (hearing and/or vision) did not explain any differences. Both actor and partner effects of spouse support on anxiety and depression were found. DISCUSSION: The findings highlight the need to support the mental health of couples living with sensory loss and indicate the importance of considering the intimate relationship in future studies.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,025
Score d'incertitude au seuil0,725

Scores Codex et Gemma par catégorie

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

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 Opus0,046
Tête enseignante GPT0,345
Écart entre enseignants0,298 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations31
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Aging and HealthMême sujetHearing Loss and RehabilitationTravaux en français237 207