MétaCan
Menu
Retour à la cohorte
Enregistrement W4385341806 · doi:10.32920/ihtp.v3i2.1731

Determinants of loneliness in older immigrants: A scoping review

2023· review· en· W4385341806 sur OpenAlexaffvenue
Sepali Guruge, Souraya Sidani

Notice bibliographique

RevueInternational Health Trends and Perspectives · 2023
Typereview
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésLonelinessPsychological interventionFeelingImmigrationMental healthPsychologySocial supportGerontologySocial isolationClinical psychologyMedicineSocial psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Introduction: Older immigrants face several factors that increase their feeling of loneliness. Identifying determinants of loneliness is essential for designing relevant interventions that address to mitigate loneliness. Objective: This scoping review aimed to generate a list of factors and map those that are associated with older immigrants’ experience of loneliness. Methods: Arksey and O’Malley’s revised framework informed this scoping review. Various databases were searched to locate quantitative studies that were published in English between 2000 and 2023 that examined determinants of loneliness in older immigrants. In total, 23 studies were included. Extracted data (related to study characteristics, and results pertaining to the association of determinants with loneliness) were summarized using the vote counting method. Results: The results indicated that older immigrants experienced high levels of loneliness, which were associated with poor general and mental health. In addition, being married; having adequate income; large social network sizes, and frequent contacts with network members; participation in social activities; and a high sense of belonging to society; reduced older immigrants’ feeling of loneliness. Conclusion: Healthcare and social service providers can work with older immigrants to co-design interventions that target potentially modifiable determinants that address loneliness.

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)0,006
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,005
Bibliométrie0,0130,011
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,171
Tête enseignante GPT0,536
Écart entre enseignants0,365 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Health Trends and PerspectivesMême sujetHealth disparities and outcomesTravaux en français237 207