MétaCan
Menu
Retour à la cohorte
Enregistrement W4237523748 · doi:10.1521/soco.2019.37.3.206

Subjective Trajectories for Self-Rated Health as a Predictor of Change in Physical Health Over Time: Results from an 18-Year Longitudinal Study

2019· article· en· W4237523748 sur OpenAlexaff
Kathryn Bunda, Michael A. Busseri

Notice bibliographique

RevueSocial Cognition · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésPsychologyLongitudinal studySelf-rated healthLatent growth modelingPerceptionPerspective (graphical)CognitionTime perspectiveDevelopmental psychologyGerontologyStereotype (UML)Health and Retirement StudySocial psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Drawing on social-cognitive and lifespan development perspectives, we examined how individuals view their health as unfolding across time, using a three-wave longitudinal study of American adults (n = 2386; M age = 55.47 years; 55.9% female). Self-rated health (SRH) was perceived to be declining across subjective temporal periods (recollected past, current, anticipated future), particularly by older (vs. younger) adults. Such perceived declines were negatively biased compared to actual changes in SRH over time, especially among older (vs. younger) adults. Physical health (chronic conditions, daily limitations, symptom frequency) worsened across time, with steeper declines for older (vs. younger) adults. Consistent with stereotype embodiment, longitudinal modeling revealed that subjective perceptions of declining SRH predicted actual declines in physical health over time. This study extends previous research and theory on the temporally extended self- and age-related stereotypes by demonstrating the value of a subjective temporal perspective to understanding changes in health across time.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,134
Tête enseignante GPT0,470
Écart entre enseignants0,335 · 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

Citations12
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial CognitionMême sujetAging and Gerontology ResearchTravaux en français237 207