Life Course Risk and Protective Factors of Multimorbidity Resilience Among Older Adults in Rural China: A Longitudinal Study in Anhui Province Before and During COVID-19
Notice bibliographique
Résumé
OBJECTIVES: Multimorbidity resilience reflects older adults' ability to cope with, adapt to, and rebound from its adverse effects through mobilizing resources. This study revised the multidomain Multimorbidity Resilience Index based on the Lifecourse Model of Multimorbidity Resilience referring to the life situations of older adults in rural China to measure the multimorbidity resilience from 2018 to 2021 and to explore factors influencing multimorbidity resilience from the perspective of Life Course theory. METHODS: This study used the seventh and eighth waves of longitudinal data (2018-2021) collected in Anhui, China. Older adults (945) with 2 or more chronic diseases were selected, and 1,201 (person-year) observations were collected and studied. A mixed linear model examined the effects of early- and later-factors on multimorbidity resilience. RESULTS: Multimorbidity resilience was negatively correlated with age and decreased faster with age after the outbreak of the coronavirus disease-2019 (COVID-19) pandemic. Married older adults have higher multimorbidity resilience. Exposure to hunger was associated with lower multimorbidity resilience when later factors were considered. Self-reported health before age 15, access to medical resources, and multimorbidity resilience were positively correlated. In addition, this study verified the relationship between multimorbidity resilience and the number of chronic diseases, exercise frequency, religious beliefs, self-reported health, and economic satisfaction, among other factors. DISCUSSION: The associations between life course factors and multimorbidity resilience emphasize the long-term impact of early-life experience and the adverse effects of increasing age, especially after the outbreak of the COVID-19 pandemic. The findings will drive policy development from a life course perspective encompassing prevention and follow-up treatment to promote active aging.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».