The Impact of Sleep Quality on Subjective Wellbeing Among Older Adults With Multimorbidity: A Moderated Mediation Model
Notice bibliographique
Résumé
Background Studies have found that poor sleep quality is negatively associated with subjective wellbeing in older adults, but the mechanisms underlying are unclear. In this study, we aimed to examine the mediating role of negative emotions and the moderating role of perceived social support in the relationship between sleep quality and subjective wellbeing in older adults with multimorbidity. Methods A multi-stage random sampling method was used to select a sample of 3,266 older adults aged 60 years and older. The Memorial University of Newfoundland Scale of Happiness (MUNSH), Pittsburgh Sleep Quality Index (PSQI), Depression Anxiety Stress Scales-21 (DASS-21), and Perceived Social Support Scale (PSSS) were used to assess subjective wellbeing, sleep quality, negative emotional states, and perceived social support, respectively. The moderated mediation models were examined using SPSS PROCESS Version 3.3 software. Results Sleep quality had a significant direct effect on subjective wellbeing in older adults ( β = −0.997, t = −11.783, p < 0.001). Negative emotions partially mediated the effect of sleep quality on subjective wellbeing ( ab = −0.608, 95%CI: −0.728, −0.497). The indirect effect was moderated by perceived social support ( β = −0.038, 95% CI : −0.062, −0.014, p < 0.001; β = −0.002, 95% CI : −0.004, −0.01, p = 0.008). Conclusion Negative emotions increased the negative association between sleep quality and the subjective wellbeing of older adults with multimorbidity, and perceived social support played a moderating role. Psychological and behavioral interventions should be implemented as early as possible to promote mental health and enhance social support level of older adults with multimorbidity, and ultimately improve the subjective wellbeing of older adults.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».