Using specification curve analysis to explore prospective associations between dimensions of positive psychological well-being and cardiometabolic disease.
Notice bibliographique
Résumé
OBJECTIVE: Literature suggests that higher positive psychological well-being (PPWB) is associated with reduced risk of cardiometabolic disease. However, PPWB is multidimensional. Most models do not distinguish between dimensions of PPWB in relation to cardiometabolic disease. This study demonstrated how specification curve analysis can be used to explore if the association between PPWB and incident cardiometabolic disease is influenced by the dimension of PPWB, cardiometabolic disease, and covariates under investigation. METHOD: = 2,895). Nine dimensions of PPWB and covariates were measured at baseline (2004-2005) and five cardiometabolic diseases were self-reported at follow-up (2013-2014). One hundred eighty model specifications, each containing one dimension of PPWB, one cardiometabolic disease, and one set of covariates, were generated. Standardized odds ratios from corresponding logistic regression models, in which PPWB predicted incident cardiometabolic disease, were then plotted on a specification curve. RESULTS: The median standardized odds ratio across models was 0.94. PPWB was inversely associated with incident cardiometabolic disease in 18% of models. Significant associations depended upon the dimension of PPWB, the outcome, and covariates. CONCLUSION: Researcher decisions about the dimension of PPWB, cardiometabolic disease outcome, and covariates under investigation appear to be consequential. Specification curve analysis can be used to develop an evidence base that starts to distinguish between dimensions of PPWB in relation to cardiometabolic disease. Thinking carefully about if and how specific dimensions of PPWB are associated with particular health outcomes is an avenue for theory refinement. (PsycInfo Database Record (c) 2025 APA, all rights reserved).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».