MétaCan
Menu
← Retour à la cohorte
Enregistrement W4200346141 · doi:10.1093/geroni/igab046.1777

Do Social Connections Buffer Loneliness Associated With Living Alone?

2021· article· en· W4200346141 sur OpenAlexaff
Markus H. Schafer, Haosen Sun, Jin Lee

Notice bibliographique

RevueInnovation in Aging · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésLonelinessSocial connectednessHealth and Retirement StudyEthnic groupPsychologyGerontologySurvey data collectionMultilevel modelDemographySocial psychologySociologyMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract The growth of solo living has important implications for the rising “loneliness epidemic” among older adults. This study considers whether two forms of social connectedness—extra-household core discussion networks and formal social participation—buffer the loneliness associated with living alone. Our study uses data from two surveys (National Social Life, Health, and Aging Project; Survey of Health, Ageing and Retirement in Europe) encompassing 20 developed Western countries in 2009/2010 and 2015/2016 (n = 110,817). Harmonizing measures across data sets, we estimate survey-specific and pooled linear regression models with interaction terms. Results indicated that high levels of social connectedness only moderately buffer the loneliness associated with living alone in later life. Findings were largely consistent across regions of Europe and the United States, though the buffering patterns were most robustly identified for widowed solo dwellers. Taken together, the results suggest that extra-household connections are partial compensators, but do not seem to fully replace the ready companionship afforded by residential co-presence in later life. Future research is needed to understand whether the efficacy of compensatory connections differs by gender, race/ethnicity, and across more diverse global regions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,362
Écart entre enseignants0,310 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetHealth disparities and outcomes→Travaux en français237 207→