Multilevel Factors for Life Satisfaction Among Residents in Non-Urban Subsidized Senior Housing
Notice bibliographique
Résumé
Abstract Although a quarter of HUD-assisted properties for older adults are located in rural/non-metropolitan areas, there is limited understanding of the population living in these locations. Advanced age and low income are known risk factors for poor physical and mental health. Older adults in rural subsidized housings may be at increased risk for poor health and social isolation due to their isolated locations and small-scale housing complexes. This presents the additional challenge of service provision for the residents’ needs. This study aims to explore multi-level factors affecting life satisfaction among residents in subsidized senior housing. Data were collected for five subsidized senior housings in New Hampshire: two in Coos county (rural, population=33,055) and three in Strafford county (suburban, population=128,613). Mixed-methods approaches were used: Community/organizational-level data were collected using semi-structured interviews conducted with the directors of senior housings. At the individual level, quantitative survey data were collected from 82 residents of five senior housings. Contrary to expectations, we found that residents in rural senior housings were likely to report better life satisfaction (Coef.=0.597, p<.01) than those in suburban areas despite controlling for individual-level factors such as age, gender, education, marital status, health, social relations, and service use. The most salient terms used in the interviews with directors of rural senior housings include limited resources, tight community, and emotional support. The last two may be protective factors positively influencing life satisfaction among their residents. Our results contribute to development strategies to improve quality of life among residents in rural/non-metropolitan subsidized senior housing.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».