Influence of Driving and Transportation Access on Social Isolation Risk Among Older Adults
Notice bibliographique
Résumé
Abstract Background. Transportation is essential to accessing healthcare and community services, but the inability to find transportation may hinder social interactions and connectivity. This study examined driving and transportation access associated with self-reported social isolation risk among adults age 60 years and older. Methods. The Upstream Social Isolation Risk Screener (U-SIRS) was developed to assess social isolation risk among older adults within clinical and community settings. Comprised of 13 items (Cronbach’s alpha=0.80), the U-SIRS assesses physical, emotional, and social support aspects of social isolation. Using an internet-delivered survey, data were analyzed from a national sample of 4,082 adults age 60 years and older. Theta scores for the U-SIRS served as the dependent variable, which were generated using Item Response Theory. An ordinary least squares regression model was fitted to identify transportation-related indicators associated with social isolation risk. Results. Approximately 13% of participants did not drive and 18.2% reported not being able to identify a ride or transportation when needed. Higher U-SIRS scores were reported among participants who did not drive (B=0.034, P=0.020). Lower U-SIRS scores were reported among those who live with a spouse/partner (B=-0.153, P<0.001) and those who reported the ability to get a ride from a family member (B=-0.160, P<0.001), friend (B=-0.256, P<0.001), or taxi (B=-0.032, P=0.044). Every additional source of transportation available significantly reduced participants’ U-SIRS score (B=-0.239, P<0.001). Conclusion. Given transportation options may reflect physical functioning, social networks, and socioeconomic status, study findings suggest transportation access is an important contextual factor associated with social isolation risk.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».