Looking for capacities rather than vulnerabilities: The moderating effect of health assets on the associations between adverse social position and health
Notice bibliographique
Résumé
To increase capacities and control over health, it is necessary to foster assets (i.e. factors enhancing abilities of individuals or communities). Acting as a buffer, assets build foundations for overcoming adverse conditions and improving health. However, little is known about the distribution of assets and their associations with social position and health. In this study, we documented the distribution of health assets and examined whether these assets moderate associations between adverse social position and self-reported health. A representative population-based cross-sectional survey of adults in the Eastern Townships, Quebec, Canada (n = 8737) was conducted in 2014. Measures included assets (i.e. resilience, sense of community belonging, positive mental health, social participation), self-reported health (i.e. perceived health, psychological distress), and indicators of social position. Distribution of assets was studied in relation to gender and social position. Logistic regressions examined whether each asset moderated associations between adverse social position and self-reported health. Different distributions of assets were observed with different social positions. Women were more likely to participate in social activities while men were more resilient. Resilience and social participation were moderators of associations between adverse social position (i.e. living alone, lower household income) and self-reported health. Having assets contributes to better health by increasing capacities. Interventions that foster assets and complement current public health services are needed, especially for people in unfavorable situations. Health and social services decision-makers and practitioners could use these findings to increase capacities and resources rather than focusing primarily on preventing diseases and reducing risk factors.
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 | 0,005 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».