THE “EPIDEMIC” OF OLDER ADULT LONELINESS: PROBLEMS OF DIAGNOSTIC INTERVENTION AND CRITICAL SOCIOLOGICAL RESEARCH
Notice bibliographique
Résumé
Abstract Loneliness, more than a feeling, has become a new ‘geriatric giant’ (Freedman & Nicolle 2020) and epidemic health crisis for older adults, affecting their physical, cognitive and emotional well-being. During the COVID epidemic, the intersecting effects of loneliness and isolation (often blurred in the literature) have intensified, as varying public health measures restricted visiting, gathering, routines and activities. While technical interventions, such as digital communication technologies (DCTs), tele-health meetings, online games, robotic pet companions and simulated presence therapy (SPT) are offered as beneficial aids, even where available or co-designed they tend to individualize and universalize loneliness. Professional, recreational and prescriptive interventions can also disregard the structural relations and socio-material environments that configure everyday lonely-making experiences over time. For both residential and community dwelling older adults, such experiences include lack of affordable housing, care-giver burden and insufficient community resources and planning. This presentation, drawing upon data and examples from senior health policy, loneliness surveys, national reports and qualitative research, reflects on these troubling matters in their complexity and heterogeneity. Conclusions explore the making of an ageist emotional economy that depicts and neglects older adults as inevitably lonely, while advocating for their rights to age in safe, healthy and socially connective ways.
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 | 0,149 | 0,190 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,017 | 0,006 |
| Études des sciences et des technologies | 0,013 | 0,065 |
| Communication savante | 0,014 | 0,022 |
| Science ouverte | 0,005 | 0,015 |
| Intégrité de la recherche | 0,005 | 0,006 |
| 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 ».