Distribution and determinants of the utilization of senior residential care homes in Saudi Arabia: a cross-sectional study
Notice bibliographique
Résumé
Background With the accelerated increase in the population of seniors aged 60 years or older in Saudi Arabia, understanding the utilization of senior residential care homes is crucial for improving service delivery and policy planning to meet the care transformation objectives of Vision 2030. Objective To assess the distribution and determinants of senior residential care home utilization across Saudi Arabia’s 13 administrative regions, focusing on predictors of functional dependency among different socio-demographic groups. Methods This study analyzed data from 283 Saudi individuals aged ≥65 admitted to social residential care homes in 2021. Variables included age, sex, education level, marital status, region, and reasons for service use. Statistical analyses comprised descriptive statistics, chi-square tests, independent t-tests, and multivariable logistic regression. Results The Makkah region had the highest number of senior residential care home users (56.8%; p < 0.0001). Most participants were men (67.8%), while women constituted 32.2%. The mean age was 78.9 years (SD = 10.6), with women being significantly older than men (p = 0.014). Illiteracy was prevalent (73.5%), particularly among women (82.4% vs. 69.3% for men; p = 0.006). Most participants were divorced (68.2%), with higher rates among men (84.9% vs. 33% for women; p < 0.0001). The primary reasons for utilizing residential care home services were old age and functional dependency (88.5% of men and 83.4% of women). Multivariable logistic regression indicated that being in the age group 75–84 years (odds ratio [OR] = 1.62, 95% confidence interval [CI] = 1.02–1.81, p < 0.001), 85 years and above (OR = 2.63, 95% CI = 1.28–3.11, p < 0.001), and being single (OR = 2.43, 95% CI = 1.14–5.13, p = 0.019) were significant predictors of old age and functional dependency. Conclusion The study highlights regional and socio-demographic variations in senior residential care home service utilization in Saudi Arabia, emphasizing the need for targeted interventions and policies aligned with Saudi Arabia’s Vision 2030 to enhance service accessibility and effectiveness for the aging population.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».