The silent epidemic of loneliness: identifying the antecedents of loneliness using a lagged exposure-wide approach
Notice bibliographique
Résumé
Abstract Background A large and accumulating body of evidence shows that loneliness is detrimental for various health and well-being outcomes. However, less is known about potentially modifiable factors that lead to decreased loneliness. Methods We used data from the Health and Retirement Study to prospectively evaluate a wide array of candidate predictors of subsequent loneliness. Importantly, we examined if changes in 69 physical-, behavioral-, and psychosocial-health factors (from t 0 ;2006/2008 to t 1 ;2010/2012) were associated with subsequent loneliness 4 years later ( t 2 ;2014/2016). Results Adjusting for a large range of covariates, changes in certain health behaviors (e.g. increased physical activity), physical health factors (e.g. fewer functioning limitations), psychological factors (e.g. increased purpose in life, decreased depression), and social factors (e.g. greater number of close friends) were associated with less subsequent loneliness. Conclusions Our findings suggest that subjective ratings of physical and psychological health and perceived social environment (e.g. chronic pain, self-rated health, purpose in life, anxiety, neighborhood cohesion) are more strongly associated with subsequent loneliness. Yet, objective ratings (e.g. specific chronic health conditions, living status) show less evidence of associations with subsequent loneliness. The current study identified potentially modifiable predictors of subsequent loneliness that may be important targets for interventions aimed at reducing 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 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 | 0,005 | 0,004 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».