MétaCan
Menu
Retour à la cohorte
Enregistrement W3019396609 · doi:10.1177/0164027520920024

Genes-in-Dyads: A Study of Relationship Quality

2020· article· en· W3019396609 sur OpenAlexaff
Aniruddha Das

Notice bibliographique

RevueResearch on Aging · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueCognitive Abilities and Testing
Établissements canadiensMcGill University
Organismes subventionnairesNational Institute on Aging
Mots-clésTraitHealth and Retirement StudyPsychologyPartner effectsInterpersonal communicationExternalityQuality of life (healthcare)Life course approachSocial psychologyInterpersonal relationshipDevelopmental psychologyBiologyDemographySociologyComputer science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Using dyadic genetic information on older couples, this study queried associations of a polygenic score for well-being with one's own as well as a partner's relationship experiences. METHOD: Data were from the 2010 wave of the U.S. Health and Retirement Study. Analysis was through structural equation modeling. RESULTS: Especially among women, the genetic score was associated with individuals' own relationship experiences. Genetic externalities-linkages of one's genes with a partner's experiences-were also observed. No significant gender variations emerged. DISCUSSION: Contrary to conceptions implicit in much of existing genetics literature-which focuses on individuals' own gene-trait associations-the interpersonal environments most crucial to life course and health outcomes are shaped by the genes of all involved actors. Genetic externalities are a central component. Implications for the life course and gene-environment literatures are discussed.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,044
Score d'incertitude au seuil0,443

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,680
Tête enseignante GPT0,591
Écart entre enseignants0,089 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch on AgingMême sujetCognitive Abilities and TestingTravaux en français237 207