The intersectional impact of sex and social factors on subjective health: analysis of the Canadian longitudinal study on aging (CLSA)
Notice bibliographique
Résumé
BACKGROUND: Self-rated health (SRH) is a widely validated measure of the general health of older adults. Our aim was to understand what factors shape individual perceptions of health and, in particular, whether those perceptions vary for men and women and across social locations. METHODS: We used data from the Canadian Longitudinal Study on Aging (CLSA) of community-dwelling adults aged 45 to 85. SRH was measured via a standard single question. Multiple Poisson regression identified individual, behavioural, and social factors related to SRH. Intersections between sex, education, wealth, and rural/urban status, and individual and joint cluster effects on SRH were quantified using multilevel models. RESULTS: After adjustment for relevant confounders, women were 43% less likely to report poor SRH. The strongest cluster effect was for groupings by wealth (21%). When wealth clusters were subdivided by sex or education the overall effect on SRH reduced to 15%. The largest variation in SRH (13.6%) was observed for intersections of sex, wealth, and rural/urban status. In contrast, interactions between sex and social factors were not significant, demonstrating that the complex interplay of sex and social location was only revealed when intersectional methods were employed. CONCLUSIONS: Sex and social factors affected older adults' perceptions of health in complex ways that only became apparent when multilevel analyses were carried out. Utilizing intersectionality analysis is a novel and nuanced approach for disentangling explanations for subjective health outcomes.
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 | 0,000 |
| 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 | 0,002 | 0,000 |
| 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 ».