WHY MEASUREMENT MATTERS IN UNDERSTANDING SOCIAL CONNECTIONS: REFLECTIONS ON MEASURING SOCIAL ISOLATION
Notice bibliographique
Résumé
Abstract Social isolation has a negative impact on society and increases the risk of morbidity and mortality. Despite recent strides in this literature, methodological issues remain in how social isolation is measured and subsequently described. Fundamentally, most measures are not validated, do not measure objective social isolation, or interchange assessments of social isolation with loneliness. Many studies continue to rely on a single item to measure social isolation, most likely resulting in biased estimates. Researchers are faced with a variety of unvalidated metrics that differ in their theoretical framing and composition. We believe that this heterogeneity stems in part from the lack of psychometric testing, impeding the advancement of work in this area. The lack of consistency perpetuates misunderstandings in population-based estimates or other rigorous characterizations of social isolation, precludes the comparison of findings across studies, and undercuts our understanding of intervention effectiveness. We call for the research community to employ psychometric testing of social isolation measures and to solicit input from a wide array of stakeholders to substantiate a proposed measure. This information could then be used to generate broad support for use of evidence-based measures of social isolation, promoting consistency and uptake in clinical, research, and community settings. Establishing acceptability and validity of social isolation measures is critical to developing screening and prevention strategies, designing effective interventions, and adopting practice and policies that are relevant to stakeholders.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 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 ».