Social and physical neighbourhood characteristics and loneliness among older adults: results from the MINDMAP project
Notice bibliographique
Résumé
Background Loneliness is associated with several adverse mental and physical health outcomes in older adults. Previous studies have shown that a variety of individual-level and perceived area-level characteristics are associated with loneliness. This study examined the associations of objectively measured social and physical neighbourhood characteristics with loneliness. Methods We used cross-sectional data from 1959 older adults (63–98 years) who participated in the Longitudinal Ageing Study Amsterdam (LASA; wave 2011/12) and the Health and Living Conditions of the Population of Eindhoven and Surroundings study (GLOBE; wave 2014) in the Netherlands. Study-specific loneliness scores were harmonised across both cohort studies and divided into tertiles denoting low, medium and high levels of loneliness. Objectively measured neighbourhood characteristics, including area-level percentages of low educated residents, social security beneficiaries and unoccupied dwellings, average income, crime levels and land use mix, were linked to individual-level data. Multinomial logistic regression analyses were conducted to examine the associations of interest. Results There was no statistical evidence for an association of the included neighbourhood characteristics with loneliness. Although not statistically significant, the observed associations suggested that participants living in neighbourhoods with more heterogeneous land use mix were less likely to have a medium and high level of loneliness than those living in more homogeneous neighbourhoods in terms of land use mix (ORmedium=0.54, 95% CI=0.18–1.67; ORhigh=0.67, 95% CI=0.21–2.11). Conclusion The results indicate that the included objectively measured social and physical neighbourhood characteristics are not associated with loneliness in old age.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».