What makes life purposeful? Identifying the antecedents of a sense of purpose in life using a lagged exposure-wide approach
Notice bibliographique
Résumé
Prior research documents strong associations between an increased sense of purpose in life and improved health and well-being outcomes. However, less is known about candidate antecedents that lead to more purpose among older adults. We used data from 13,771 participants in the Health and Retirement Study (HRS) — a diverse, national panel study of adults aged >50 in the United States, to evaluate a large number of candidate predictors of purpose. Specifically, using linear regression with a lagged exposure-wide approach, we evaluated if changes in 61 predictors spanning physical health, health behaviors, and psychosocial well-being (between t0;2006/2008 and t1;2010/2012) were associated with purpose four years later (t2;2014/2016) after adjustment for a rich set of baseline covariates. Some health behaviors (e.g., physical activity ≥1x/week [β = 0.14, 95% CI: 0.09, 0.19]), physical health conditions (e.g., stroke [β = −0.25, 95% CI: −0.40, −0.10]), and psychosocial factors (e.g., depression [β = −0.21, 95% CI: −0.27, −0.15]) were associated with subsequent purpose four years later. However, there was little evidence that other health behaviors, physical health conditions, and psychosocial factors such as smoking, drinking, or financial strain, were associated with subsequent purpose. Several of our candidate predictors such as volunteering, time with friends, and physical activity may be important targets for interventions and policies aiming to increase purpose among older adults. However, some effect sizes were modest and contrast with prior work on younger populations, suggesting purpose may be more easily formed earlier in life.
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 | 0,001 |
| 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 ».