Neighborhood Makes or Breaks Active Ageing? Findings from Cross-Sectional Path Analysis
Notice bibliographique
Résumé
Mental ill-health prolongs and complicates other chronic illnesses, which is a major public health concern because of the potential stress it places on health systems. Prevention via active aging and place-based interventions thus became increasingly important with population aging, e.g., through health promotion and age-friendly neighborhoods. However, how the targeted outcomes of these efforts are related remains unclear. This paper examined whether the relationship between active living and mental health or health-related quality of life is mediated by neighborhood cohesion. Cross-sectional data were drawn from n = 270 community-dwelling adults aged 50 and above in the Gerontology Research Program—Center for Ageing Research in the Environment (GRP-CARE) Survey. Path analysis showed that one can live actively for better mental health (Btotal = 0.24), but it is largely mediated by neighborhood cohesion (37%). Further examination of the factors of neighborhood cohesion showed that this mediation is explained by communal affordance (Bindirect = 0.05) and neighborhood friendship (Bindirect = 0.05). Additional study of the association between these mediators and factors of mental health revealed two psychosocial processes: (1) better community spaces (e.g., greenery and third places) support communal living (B = 0.36) and help older adults obtain emotional support (B = 0.32) for greater autonomy (B = 0.25); (2) spending more time outdoors enhances neighborhood friendship (B = 0.33) and interpersonal skills (B = 0.37), which in turn improves coping (B = 0.39). In short, the effects of active living on health are limited by one’s neighborhood environment. Neighborhood cohesion must be considered or it may stifle individual and policy efforts to age actively and healthily in urban environments. Context-sensitive implementations are required.
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 | 0,009 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».