Measuring Older Adult Loneliness Across Countries
Notice bibliographique
Résumé
OBJECTIVES: The topic of older adult loneliness commands increasing media and policy attention around the world. Are surveys of aging equipped to measure it? We assess the measurement of loneliness in large-scale aging studies in 31 countries by describing the available measures, testing correlations between them, and documenting their construct validity. METHODS: We use data from several "sister studies" of aging adults around the world. In each country, we document available loneliness measures, test for measurement reliability by examining correlations between different measures of loneliness, and assess how these correlations differ by gender and age group. We then evaluate construct validity by estimating correlations between loneliness measures and theoretically hypothesized constructs related to loneliness: living alone and not having a spouse. RESULTS: There is substantial heterogeneity in available measures of loneliness across countries. Within countries with multiple measures, the correlations between measures are high (range 0.384-0.777, median 0.636). Although we find several statistically significant differences in these correlations by gender and age, the differences are small (gender: range -0.098 to 0.081, median -0.026; age group: range -0.194 to 0.092, median -0.003). Correlations between loneliness measures and living alone and being without a spouse are all positive, almost universally statistically significant, and similar in magnitude across countries, supporting construct validity. DISCUSSION: This article establishes that even single-item measures of loneliness contribute meaningful information in diverse settings. Similar to the measurement of self-rated health, there are nuances to the measurement of older adult loneliness in different contexts, but it has reliable and consistent measurement properties within many countries.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».