LONG-TERM POVERTY, SPATIAL DISADVANTAGE, AND MULTIPLE EXCLUSIONS IN LATER LIFE: A CASE IN SHANGHAI
Notice bibliographique
Résumé
Abstract Objectives: This study aimed to examine the associations among three types of cumulative disadvantages: long term poverty, spatial disadvantage, and multiple exclusions using a Cumulative dis/advantage (CDA) and life course perspective. Method: A sample of 419 Chinese adults aged 60 and older from three communities in Shanghai completed a structured questionnaire. Multiple exclusions were measured by variables related to material resources, housing conditions, social relations, civic activities, basic services, and neighbourhood factors. Hierarchical regression was implemented by SPSS 25 and moderation analysis was performed with the SPSS macro PROCESS from Hayes (2013). Results: 39% of respondents reported that they experienced multiple exclusions and one in five respondents report often or most time living in poverty. Regression analysis indicated that experience long-term poverty and length of living in the same neighbourhood is positively associated with multiple exclusions in later life and these associations are not attenuated by demographics, and health factors. But, moderation analysis showed the length of living in the same neighbourhood has significant moderating effect on the relationship between long term poverty and multiple exclusions, particularly for older adults living in the same neighbourhood for more than 30 years. Discussion: The study findings illustrate the need to consider not only life course risks such as long-term poverty but also spatial disadvantages in addressing multiple social exclusions among older Chinese adults.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».