Is anger, but not sadness, associated with chronic inflammation and illness in older adulthood?
Notice bibliographique
Résumé
The discrete emotion theory of affective aging postulates that anger, but not sadness, becomes increasingly maladaptive during older adulthood in predicting health-relevant physiological processes and chronic disease (Kunzmann & Wrosch, 2018). However, it is largely unknown whether different negative emotions have distinct functional consequences in the development of older adults' physical disease. To start examining this possibility, we investigated whether older adults' daily experiences of anger and sadness were differentially associated with two biomarkers of chronic low-grade inflammation (interleukin-6 [IL-6] and C-reactive protein [CRP]) and the number of chronic illnesses (e.g., heart disease, cancer, etc.). In addition, we examined whether such divergent associations would become paramount in advanced, as compared with early, old age. A community-dwelling study of 226 older adults (age 59 to 93; M = 74.99, SD = 7.70) assessed participants' anger and sadness over 1 week, inflammatory processes, number of chronic illnesses, and relevant covariates. Regression analysis showed that anger predicted higher levels of IL-6 and chronic illness in advanced, but not in early, old age. The age effect of anger on chronic illness was mediated by increased IL-6 levels. Sadness exerted a reversed, but nonsignificant, association with IL-6 and chronic illness, independent of age. No emotion or age effects were obtained for CRP. The study's findings inform theories of health, emotion, and life span development by pointing to the age-related importance of discrete negative emotions in predicting a major physiological pathway to physical health across older adulthood. (PsycINFO Database Record (c) 2019 APA, all rights reserved).
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 | 0,000 | 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) | 0,000 | 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 ».