Regional differences and determinants of self-rated health in a lower middle income rural Society of China
Notice bibliographique
Résumé
OBJECTIVE: Self-rated health represents a reliable and important health measure related to general health and quality of life. This study aimed to identify the differences of health states of rural residents in a lower middle income setting in China and its associated factors. METHODS: A descriptive study of a stratified random sample of 3870 individuals was conducted in rural Anhui during 2015. We investigated the influence of five independent variables: individual demographic characteristics, family factors, social capital traits, physical health conditions and healthy lifestyle habits of participants who self-related their health as good. A chi-square test and ordinal logistic regression analyses were used to identify the relationship of these variables and self-rated health. RESULTS: The study found that respondents who negatively rated their health often were female, elderly, poor, lived alone, had low levels of education, inadequate social support, poor physical health, used healthcare services and lived in the lower economic regions. We found no significant correlations between self-rated health and employment, marital status, medical insurance, or exercise frequency. Surprisingly, smoking and drinking also seemed to be unrelated to poor self-reported health. CONCLUSION: Health differences based on region were apparent in rural China. We highlighted the possible impacts of income, age, physical health, education, advanced age, and social support on health. The results from this study could inform the delivery of appropriate health and social healthcare interventions to promote rural residents' health and quality of 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».