MétaCan
Menu
Retour à la cohorte
Enregistrement W2968837609 · doi:10.1186/s12889-019-7462-1

Social participation in older women and men: differences in community activities and barriers according to region and population size in Canada

2019· article· en· W2968837609 sur OpenAlexafffundabout
Daniel Naud, Mélissa Généreux, Jean-François Bruneau, Aline Alauzet, Mélanie Levasseur

Notice bibliographique

RevueBMC Public Health · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanUniversité de SherbrookeCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalCentre Hospitalier Universitaire de Sherbrooke
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaFonds de Recherche du Québec-Société et CultureUniversité de MontréalCanadian Institutes of Health ResearchMinistère des relations internationales et de la Francophonie
Mots-clésBiostatisticsMetropolitan areaPopulationMedicinePublic healthDemographyGerontologySocial engagementEnvironmental healthGeographySociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Social participation is a modifiable health determinant influenced by physical and social aspects of the environment. Little is known about aging women's and men's community activities and barriers according to region and population size. This study compared social participation, desire to participate more, and perceived barriers of aging women and men by Canadian region and population size. METHODS: A secondary analysis of the 2008-2009 cross-sectional Canadian Community Health Survey - Healthy Aging was done with 16,274 respondents aged 65+. Respondents were grouped into five regions [Atlantic, Quebec, Ontario, Prairies and British Columbia] and five population size groups [rural (< 1000 inhabitants); small urban (1000-29,999); medium urban (30,000-99,999); large urban (100,000-499,999); and metropolitan (≥500,000) areas]. Social participation was estimated by monthly frequencies of engagement in community activities. If they desired to participate more, respondents were asked to identify barriers to their participation from a list of 13 reasons. RESULTS: There were no differences in total social participation between regions but Prairies and Quebec respondents had the highest and lowest frequency, respectively, of activities with family and friends (5.4 and 4.3 activities/month; p = 0.01). Medium urban centers had the highest participation and metropolises, the lowest (17.4 vs 14.3 activities/month; p < 0.01). About one fourth of all respondents wanted to participate more, regardless of region or population size. Overall, women wanted to participate more than men (26.6 vs 20.7%; p < 0.001), especially in Ontario (28.3 vs 21.1%; p < 0.001) and British Columbia (30.1 vs 22.9%; p < 0.001). Men in Quebec were less likely than men in other regions to report "personal responsibilities" as a barrier to participation (p < 0.001). Men were more likely than women to report being "too busy", especially in rural areas (27.1 vs 6.5%; p < 0.001). Rural women were more likely than rural men to be constrained by transportation problems (15.1 vs 1.2%, p < 0.001). Unavailability of activities was more of a constraint in rural areas than metropolises (13.6 vs 6.0%, p < 0.001). CONCLUSIONS: Overall, there were no practical differences between women's and men's social participation. However, unavailability of activities and transportation problems suggest that local initiatives and further research on environmental characteristics are required to foster aging Canadians' participation.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,106
Score d'incertitude au seuil0,391

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,063
Tête enseignante GPT0,359
Écart entre enseignants0,296 · 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

Citations106
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetHealth disparities and outcomesTravaux en français237 207