MétaCan
Menu
Retour à la cohorte
Enregistrement W3045502611 · doi:10.1177/0020715220937752

In-group trust and self-rated health in East Asia using quadri-national survey data

2020· article· en· W3045502611 sur OpenAlexvenueno aff
Pildoo Sung, Joonmo Son

Notice bibliographique

RevueInternational Journal of Comparative Sociology · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEast AsiaSocial trustInterpersonal communicationChinaPsychologyTest (biology)Interpersonal relationshipSocial psychologyInterpersonal interactionSelf-rated healthSurvey data collectionEuropean Social SurveyGeographyMedicinePolitical scienceSocial capitalGerontology

Résumé

récupéré en direct d'OpenAlex

This study aims to examine the relationship between types of interpersonal trust and health in East Asia. We doubt that generalized trust toward “most people” is a valid and reliable measure of interpersonal trust in East Asia. We thus employ specific measures of in-group and out-group trust to test whether and how each type of trust is associated with self-rated health. We use data from the 2012 East Asian Social Survey administered in China ( n = 5819), Japan ( n = 2335), South Korea ( n = 1396), and Taiwan ( n = 2314) with response rates of 71%, 59%, 56%, and 52%, respectively. Empirical test produces three major findings. First, in-group trust is consistently associated with self-rated health in all four countries, whereas out-group trust is related to health only in Taiwan. By contrast, generalized trust is related to health only in Korea. Second, perceived social support mediates partially of the relationship between in-group trust and self-rated health in China, Japan, and Taiwan. Third, the health benefit of in-group trust is more pronounced in Korea than in China. This study thus calls for the need to use measures of specific types of trust because they are more sensitive in detecting both international and intra-regional variations of health.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,317
Tête enseignante GPT0,502
Écart entre enseignants0,186 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Comparative SociologyMême sujetHealth disparities and outcomesTravaux en français237 207