Loneliness and Psychological Distress Among Older Californians: The Moderating Roles of Citizenship Status and English Proficiency
Notice bibliographique
Résumé
OBJECTIVES: Guided by the theory of stress proliferation, our study examined whether loneliness, citizenship status, and English proficiency were associated with psychological distress among older adults, and if citizenship status and English proficiency moderated these relationships. METHODS: Using the older adult subsample (65+ years) of the 2019-2020 California Health Interview Survey (N = 15,210), we assessed cross-sectional associations between loneliness, citizenship status, and English proficiency on psychological distress by conducting multivariable linear regression models. Interaction terms were included in subsequent models to determine if citizenship status and English proficiency moderated the relationship between loneliness and psychological distress. RESULTS: In unadjusted models, greater loneliness was associated with higher distress. Both naturalized citizens and noncitizens, and those with limited English proficiency (LEP) exhibited greater distress than US born citizens and those who speak English only (EO). After adjusting for sociodemographic and health covariables, loneliness remained significant for distress although the relationships between citizenship status and English proficiency became attenuated. With the inclusion of interactions, the magnitude of the relationship between loneliness and distress was stronger for naturalized citizens and those with LEP than native-born citizens and those who speak EO, respectively. DISCUSSION: Loneliness was the most consistent stressor affecting multiple life domains. However, our findings demonstrate that stress proliferation is occurring among older immigrant adults and the interplay between loneliness, citizenship status, and English proficiency is contributing to heightened distress. Further attention is needed in understanding the role of multiple stressors influencing mental health among immigrant older adults.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».