Loneliness among UK Veterans: Associations with quality of life, alcohol misuse, and perceptions of partner drinking
Notice bibliographique
Résumé
Introduction: Loneliness occurs when there is a disparity between the quantity and quality of social relationships people have and the ones they want. Research shows loneliness is negatively associated with quality of life and alcohol misuse, two common issues for military Veterans. Loneliness can also be affected by partner drinking, particularly if it does not match Veterans' drinking behaviour. This study aimed to explore 1) the association between loneliness, quality of life, and alcohol misuse, and 2) the association between perceived partner drinking and loneliness in a sample of treatment-seeking UK Veterans. Methods: A total of 163 treatment-seeking UK Veterans completed a self-report questionnaire via the DrinksRation smartphone application. Loneliness was measured using the 3-item UCLA Loneliness Scale. Linear regressions explored associations between loneliness, quality of life, and alcohol misuse. Logistic regressions explored associations between perceived partner drinking and loneliness. Results: Almost two-thirds of participants reported feeling lonely (65.6%). Unadjusted linear regressions showed lonely Veterans had lower quality-of-life scores across all domains and higher alcohol misuse scores than non-lonely Veterans. After full adjustment, loneliness was significantly associated only with the physical health, social relationships, and quality-of-life domains. Logistic regressions revealed no significant associations between perceptions of partner drinking and loneliness. Discussion: This study found lonely treatment-seeking Veterans had poorer quality of life and higher alcohol misuse than non-lonely counterparts. Innovative ways to reduce loneliness and improve social connectedness for Veterans are required, particularly for those with mental health needs and who drink heavily.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».