Is more, better? Relationships of multiple psychological well-being facets with cardiometabolic disease.
Notice bibliographique
Résumé
OBJECTIVE: Cardiometabolic disease (CMD) is a leading cause of death and disability worldwide. Assessments of psychological well-being taken at one time point are linked to reduced cardiometabolic risk, but psychological well-being may change over time and how longitudinal trajectories of psychological well-being may be related to CMD risk remains unclear. Furthermore, psychological well-being is a multidimensional construct comprised of distinct facets, but no work has examined whether sustaining high levels of multiple facets may confer additive protection. This study tested if trajectories of four psychological well-being facets would be associated with lower risk of self-reported nonfatal CMD. METHOD: Participants were 4,006 adults aged ≥50 years in the English Longitudinal study of Ageing followed for 18 years at biyearly intervals. Psychological well-being facets were measured in Waves 1-5 using subscales of the Control, Autonomy, Satisfaction, and Pleasure scale. Latent class growth modeling defined trajectories of each facet. Incident CMD cases were self-reported at Waves 6-9. Cox regression models estimated likelihood of incident CMD associated with trajectories of each facet individually and additively (i.e., having persistently high levels on multiple facets over time). RESULTS: After adjusting for relevant covariates, CMD risk was lower for adults with persistently high versus persistently low levels of control and autonomy. When considering potential additive effects, lower CMD risk was also related to experiencing persistently high levels of ≥2 versus 0 psychological well-being facets. CONCLUSIONS: Findings suggest having and sustaining multiple facets of psychological well-being is beneficial for cardiometabolic health, and that effects may be additive. (PsycInfo Database Record (c) 2022 APA, all rights reserved).
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».