Mastering the canvas of life: Identifying the antecedents of sense of control using a lagged exposure‐wide approach
Notice bibliographique
Résumé
Abstract Accumulating studies have documented strong associations between a higher sense of control and improved health and well‐being outcomes. However, less is known about the determinants of increased sense of control. Our analysis used data from 13,771 older adults in the Health and Retirement Study (HRS)—a diverse, longitudinal, and national study of adults aged >50 in the United States. Using generalized linear regression models, with a lagged exposure‐wide approach, we evaluated how changes in 59 predictors (i.e., physical health, health behavior, and psychosocial factors) over a 4‐year period (between t 0 ;2006/2008 and t 1 ;2010/2012) might lead to changes in sense of control another 4‐years later (t 2 ;2014/2016). After adjusting for a rich set of baseline covariates, changes in some health behaviors (e.g., sleep problems), physical health conditions (e.g., physical functioning limitations, eyesight), and psychosocial factors (e.g., positive affect, purpose in life) were associated with changes in sense of control four years later. However, there was little evidence that other factors were associated with a subsequent sense of control. A key challenge in advancing intervention development is the identification of antecedents that predict a sense of control. Our results identified several novel targets for interventions and policies aimed at increasing a sense of control.
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 | 0,004 | 0,008 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».