MétaCan
Menu
Retour à la cohorte
Enregistrement W4391898901 · doi:10.1093/geronb/gbae022

Younger and Older Adults’ Health Lies to Close Others

2024· article· en· W4391898901 sur OpenAlexafffund
Jessica C Frias, Alison M. O’Connor

Notice bibliographique

RevueThe Journals of Gerontology Series B · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiquePsychology of Moral and Emotional Judgment
Établissements canadiensMount Allison University
Organismes subventionnairesMount Allison University
Mots-clésLyingHonestyPsychologyRomancePsychological interventionYoung adultDevelopmental psychologyMedicineSocial psychologyPsychiatryPsychoanalysis

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Lying is a common social behavior; however, there is limited research on lying about health and if this differs into later life. This study sought to explore age differences in the frequency of and motivations behind telling health-related lies and if lying differs within romantic and parent/child relationships. METHODS: Younger (N = 158) and older adults (N = 149) reported how often they told general health-related lies, how often they lied about health to their romantic partner and parent or adult child, and why they told health lies. RESULTS: Compared with older adults, younger adults lied more frequently to conceal sickness and pain as well as to feign sickness. Younger adults also told more health lies to their parent than their romantic partner, but older adults lied to their adult child and partner at similar rates. Younger adults reported lying more about their health because they felt ashamed or embarrassed and they worried about what others would think of them compared with older adults. DISCUSSION: These results suggest that health-related honesty may increase in later life and that younger and older adults differ in why they tell health lies. Implications for psychological theory on lying about one's health and health interventions are discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,105
Tête enseignante GPT0,350
Écart entre enseignants0,245 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journals of Gerontology Series BMême sujetPsychology of Moral and Emotional JudgmentTravaux en français237 207