Association Between Neuroticism and Dementia on Healthcare Use: A Multi-Level Analysis Across 27 Countries from The Survey of Health, Ageing and Retirement in Europe (SHARE)
Notice bibliographique
Résumé
BACKGROUND: People with high levels of neuroticism are greater users of health services. Similarly, people with dementia have a higher risk of hospitalization and medical visits. As a result, dementia and a high level of neuroticism increase healthcare use (HCU). However, how these joint factors impact the HCU at the population level is unknown. Similarly, no previous study has assessed the degree of generalization of such impacts, considering relevant variables including age, gender, socioeconomic, and country-level variability. OBJECTIVE: To examine how neuroticism and dementia interact in the HCU. METHODS: A cross-sectional study was performed on a sample of 76,561 people (2.4% with dementia) from 27 European countries and Israel. Data were analyzed with six steps multilevel non-binomial regression modeling, a statistical method that accounts for correlation in the data taken within the same participant. RESULTS: Both dementia (Incidence Rate Ratio (IRR): 1.537; α= 0.000) and neuroticism (IRR: 1.122; α= 0.000) increased the HCU. The effect of having dementia and the level of neuroticism increased the HCU: around 53.67% for the case of having dementia, and 12.05% for each increment in the level of neuroticism. Conversely, high levels of neuroticism in dementia decreased HCU (IRR: 0.962; α= 0.073). These results remained robust when controlling for age, gender, socioeconomic, and country-levels effects. CONCLUSION: Contrary to previous findings, neuroticism trait in people with dementia decreases the HCU across sociodemographic, socioeconomic, and country heterogeneity. These results, which take into account this personality trait among people with dementia, are relevant for the planning of health and social services.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».