The Effect of Neighborhood Experiences on Positive Mental Health Among Community-Dwelling Older Adults
Notice bibliographique
Résumé
Abstract Given reduced life spaces, the neighborhood often functions as a social venue for older adults. Yet how these everyday social spaces affect older adults’ psychosocial wellbeing remains largely unknown. Drawing on the GRP-CARE Survey data, this paper examined the relation between neighborhood experiences and positive mental health. Participants were 601 community-dwelling Singaporeans aged 50+ who lived in public housing neighborhoods. Neighborhood experiences were measured using the four-factorial, 16-item OpenX scale (Gan, Fung, Cho, 2019); positive mental health was measured using a six-factorial, 19-item scale (Vaingankar et al., 2011). Both scales have good psychometric properties and had been validated. Path analysis between relevant factors of both scales was conducted using Stata, within a theorized model of causation from neighborhood environment to social factors to psychosocial health. Age, education, ethnicity and sex were controlled for. Multiple linear regression analysis showed a strong, positive association between neighborhood experiences and mental health (p=0.000) even after controlling for personal traits (operationalized as depressive symptoms, GDS) in addition to sociodemographic variables. Path analysis showed that two distinct neighborhood health processes mediated this association. These were (1) the potential for a sense of community in the neighborhood improved emotional support, and (2) having better neighborly friendships improved interpersonal skills. These neighborhood health processes provide us with new lenses to understand older adults’ everyday experiences of their neighborhoods. Community-based interventions to improve older adults’ psychosocial wellbeing may be developed to facilitate these processes. Spatial and programmatic implications will be discussed in relation to age-friendly cities and communities (AFCC).
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 | 0,003 |
| 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 | 0,000 |
| 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) | 0,002 | 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 ».