Effects of physical and mental health factors and family function on the self‐perception of aging in the elderly of Chinese community
Notice bibliographique
Résumé
BACKGROUND: To examine the effects of physical and mental health factors and family functioning on the self-perception of ageing in elderly people. METHODS: A random cluster sampling method was used to select elderly people aged over 60 from three communities in Handan City. Subjects were evaluated via face-to-face interviews using the Chinese version of the Ageing Perception Questionnaire, the Family Function Scale, the SF-36 Short-Form Health Survey, and a self-compiled general questionnaire. A single factor and stepwise multiple regression analysis were evaluated using SPSS 17.0 software. RESULTS: Among the 1815 elderly people surveyed, the total negative dimension score was 91.67 ± 16.58 with an index of 73.34%, which is higher than the positive dimension score (6.01 ± 0.52, 60.10%). Elderly people with varying degrees of family dysfunction accounted for 11.63%, and the score for self-perceived ageing in elderly participants with good family function was 95.74 ± 12.63. The proportions with poor physical and mental health factors were 45.40% and 28.10%, respectively, and the scores for ageing self-perception in elderly participants with good or moderate mental health were 89.11 ± 12.65 and 86.22 ± 12.58, respectively. A stepwise multiple regression analysis showed that age, presence of a spouse, and family function were positive protective factors for ageing self-perception, while physical health factors were risk factors for the positive dimension of self-perceived ageing. Age and family function were risk factors for the negative dimension of ageing self-perception, while physical and mental health factors were protective factors for the negative dimension of self-perceived ageing. CONCLUSIONS: Younger elderly and elderly people with good family function have positive self-perceptions of ageing, while elderly participants with poor physical and mental health have a negative perception of ageing.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».