The perception and utilization of community care services by older persons in the new urban areas of Beijing, China: A cross‐sectional study
Notice bibliographique
Résumé
Background and Aims: In recent years, Beijing, similar to many other large cities in China, has experienced rapid urbanization in many new areas. These have often been locations of population aging but have not had concomitant development of required community care services for older persons. This study aims to understand the perception and utilization of newly developed community care services by the older persons living in this region for providing knowledge to improve the services. Methods: Applying Andersen's behavior model, this study used binary logistic regression of the factors influencing the perception and utilization of community care services and analyzed data collected by questionnaires to 301 older persons in the new urban areas of Beijing. Results: Education, income, activities of daily living, instrumental activities of daily living, mental health, and economic needs are statistically significant factors affecting older persons' perception of community care services. Age, perception of community care services, income, neighborhood relationships, mental health, and emotional needs are significant factors affecting older persons' utilization of community care services. Conclusion: Demographic characteristics, health status, social support, and care needs were significant factors in the perception and utilization of community care services, after controlling for many variables. Improving older persons' perceptions of community care services is likely to promote their access to the services, which should help meet the challenges of rapid population aging in providing community care services to support aging in place in the new urban areas of Beijing, China.
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 | 0,005 | 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 | 0,003 | 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 ».