RACIAL/ETHNIC DIFFERENCES IN LONELINESS AMONG OLDER ADULTS: THE ROLE OF INCOME AND EDUCATION AS MEDIATORS
Notice bibliographique
Résumé
Abstract Our study examines differences in loneliness by race/ethnicity among older adults in the United States and whether income and education mediate these differences. Data came from the Health and Retirement Study Leave-Behind Questionnaire, 2014-2016. Loneliness was measured by the UCLA 3-item loneliness scale. Race/ethnicity categories were White, Black, and Hispanic/Latino. The mediator variables were total household income and education. Sociodemographic covariates included gender, age, employment status, living arrangements, country region, urbanicity, and HRS LBQ Wave. Multivariable linear regression models were used to determine differences in loneliness by race/ethnicity. The KHB mediation method was used to determine if income and education mediated racial/ethnic differences in loneliness. In bivariable analyses, White and Hispanic/Latinx older adults had comparable levels of loneliness, while Black older adults had higher loneliness scores. After multivariable adjustment, Hispanic/Latinx older adults had the lowest levels of loneliness while White and Black older adults had comparable levels of loneliness. A complete mediation was found between Whites and Blacks, in that income and education completely mediated differences in loneliness between these groups. A partial mediation was found between Whites and Hispanics, and between Blacks and Hispanics. Income as a mediator accounted for greater racial/ethnic differences in loneliness compared to education. Our study is the first to explicitly determine if socioeconomic factors mediate race/ethnicity differences in loneliness among a nationally representative sample of older adults. Study findings can inform evidence-based interventions and programs to reduce loneliness among older adults.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,000 |
| 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 ».