MétaCan
Menu
← Retour à la cohorte
Enregistrement W4367841421 · doi:10.21203/rs.3.rs-2848522/v1

Effect of Life-space on Quality of life of Older Adult in Chinese Communities: the Chain Mediating Role of Social Support and Subjective Well-being

2023· preprint· en· W4367841421 sur OpenAlexaboutno aff
LJ zhang, WJ Chen, Xin Hong, Gang Li, HB Wu

Notice bibliographique

RevueResearch Square · 2023
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuality of life (healthcare)HappinessPsychologySocial supportSpace (punctuation)GerontologyScale (ratio)Well-beingSocial psychologyMedicineGeographyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract OBJECTIVE To explore the factors influencing the quality of life of older adult by assessing their current life-space, and to examine the mechanisms mediating the effects of social support and Subjective Well-being on the quality of life in older adults’ life-space.METHODS This study surveyed 311 older adults with the Chinese version of the Life Space Assessment, Generic Quality of Life Inventory-74, Memorial University of Newfoundland Scale of Happiness, and Social Support Scale.RESULTS The results of Pearson correlation analysis showed a two-way correlation between life-space, quality of life, social support, and Subjective Well-being in older adults (r = 1.141, 0.164, 0.294, 0.304,0.447, 0.597, P < 0.001), life-space significantly positively predicted the quality of life of older adults (β = 0.294, t = 5.399, P < 0.001); the analysis of mediating effects showed that social support and Subjective Well-being mediated the chain effect between life-space and quality of life in older adults.CONCLUSION In addition to having a direct impact on older individuals' quality of life, their life-space can also have an indirect impact through social support and Subjective Well-being.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,034
Tête enseignante GPT0,383
Écart entre enseignants0,349 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetUrban Green Space and Health→Travaux en français237 207→