Social Determinants and Self-Care for Making Good Treatment Decisions and Treatment Participation in Older Adults: A Cross-Sectional Survey Study
Notice bibliographique
Résumé
Background: Community-dwelling adults who can perform self-care behaviors related to making treatment decisions and participating in treatment have been found to use less emergency care. In this exploratory study, we examined the relationships in older adults between five social determinants (urban/rural residence, sex, age, marital status, and education) and the perceived importance, desirability, and ability to perform 11 self-care behaviors related to making good treatment decisions and participating in treatment. Methods: This cross-sectional study surveyed 123 community-dwelling older adults living in the southern United States in 2015–2016. All participants were 65 years or older. Data were collected using the Patient Action Inventory for Self-Care and analyzed using descriptive, univariate, and multivariate logistic regression analyses. Results: The social determinants (identified as barriers) of self-care behaviors related to making good treatment decisions and participating in treatment were: having less than a high school education, being 75 years or older, and being separated from a spouse. Sex and residence were found to be neither barriers nor facilitators. Conclusions: Our findings suggest that, in older adults, attending to the needs related to health literacy education and improving social support might increase self-care behaviors related to making good treatment decisions and participating in treatment. Future research will compare the differences across diverse populations to validate our study findings.
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 | 0,002 | 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 | 0,003 | 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 ».