Contributors to mental health resilience in middle-aged and older adults: an analysis of the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
OBJECTIVES: Identifying the correlates of mental health resilience (MHR)-defined as the discrepancy between one's reported current mental health and one's predicted mental health based on their physical performance-may lead to strategies to alleviate the burden of poor mental health in aging adults. Socioeconomic factors, such as income and education, may promote MHR via modifiable factors, such as physical activity and social networks. DESIGN: A cross-sectional study was conducted. Multivariable generalized additive models characterized the associations between socioeconomic and modifiable factors with MHR. SETTING: Data were taken from the population-based Canadian Longitudinal Study on Aging (CLSA), which collected data at various data collection sites across Canada. PARTICIPANTS: Approximately 31,000 women and men between the ages of 45 and 85 years from the comprehensive cohort of the CLSA. MEASUREMENTS: Depressive symptoms were assessed by the Center for Epidemiological Studies Depression Scale. Physical performance was measured objectively using a composite of grip strength, sit-to-stand, and balance performance. Socioeconomic and modifiable factors were measured by self-report questionnaires. RESULTS: Household income, and to a lesser extent, education were associated with greater MHR. Individuals reporting more physical activity and larger social networks had greater MHR. Physical activity accounted for 6% (95% CI: 4 to 11%) and social network accounted for 16% (95% CI: 11 to 23%) of the association between household income and MHR. CONCLUSIONS: The burden of poor mental health in aging adults may be alleviated through targeted interventions involving physical activity and social connectedness for individuals with lower socioeconomic resources.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».