Sociodemographic and health disparities in self-care difficulties among older individuals: Evidence from South Africa
Notice bibliographique
Résumé
BACKGROUND: As South Africa's population rapidly ages, the burden of non-communicable diseases and the challenges of performing daily care activities among older individuals are increasing. This study investigates trends in self-reported difficulties with daily care activities among older adults in South Africa and examines the association between these difficulties, sociodemographic factors, and chronic conditions. METHODS: The study used cross-sectional data from ten rounds of South Africa General Household Survey (2012-2021). Sample population included 26,362 men and 42,400 women aged 60 years and above. The outcome measure was assessed by self-reported difficulty in performing basic care activities such as washing or dressing. RESULTS: Between 2012 and 2021, the percentage of participants reporting "A lot of difficulty" increased by 79.75%, "Some difficulty" increased by 112.11%, while "Unable to do" decreased by 8.97%. The risk of self-care difficulties was higher for men (RR = 1.11, 95% CI = 1.02, 1.20) and increased with age: RR = 1.24 (95% CI = 1.08, 1.42) for ages 65-69; RR = 2.27 (95% CI = 2.00, 2.58) for ages 70-74; and RR = 5.65 (95% CI = 5.08, 6.28) for ages 75+. Not being currently married (RR = 1.65, 95% CI = 1.51, 1.79), being of African/Black (RR = 1.21, 95% CI = 1.06, 1.38) or Coloured race (RR = 1.41, 95% CI = 1.21, 1.65), and having diabetes (RR = 1.44, 95% CI = 1.34, 1.55), hypertension (RR = 1.35, 95% CI = 1.26, 1.45), or asthma (RR = 1.30, 95% CI = 1.14, 1.48) were also associated with a higher risk of self-care difficulties. CONCLUSION: There was a notable increase in the proportion of participants reporting significant difficulty and some difficulty in performing self-care tasks, while a decrease was observed in the category of participants unable to do such tasks. Health policies should prioritize the specific needs of vulnerable sociodemographic and health groups, considering their increased risk of self-care difficulties.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».