Assessing the Impact of Internet Skills on Depressive Symptoms Among Chinese Middle-Aged and Older Adults: Cross-Sectional Instrumental Variables Analysis
Notice bibliographique
Résumé
Background: The potential benefits of IT for the well-being of older adults have been widely anticipated. However, findings regarding the impact of internet use on depressive symptoms are inconsistent. As a result of IT's exponential growth, internet skills have supplanted internet access as the source of the digital divide. Objective: This study evaluates the effect of internet skills on depressive symptoms through an instrumental variables (IV) approach. Methods: Data from the China Health and Retirement Longitudinal Study's wave 4 (2018) were used. This included 16,949 community residents aged 45 years and older. To overcome the endogeneity issue, we used an IV approach. Results: Our results reveal the emergence of a second-level digital divide, the disparity in internet skills, among Chinese middle-aged and older adults. Liner regression suggests that a 1% increase in internet skills is associated with a 0.037% decrease in depressive symptoms (β=-.037, SE 0.009), which underestimates the causal effect. As expected, internet skills are an endogenous variable (F test P value <.001). IV regressions indicate that a 1% increase in internet skills reduces 1.135% (SE 0.471) to 1.741% (SE 0.297) of depressive symptoms. These 2 IV are neither weak (F-1=16.7 and 28.5; both >10) nor endogenous (Wu-Hausman test P value of .10; >.05 or >.01). Conclusions: Better mental health is predicted through improved and higher internet skills. Consequently, residents and policy makers in China should focus on bridging the digital divide in internet skills among middle-aged and 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».