Spatial Mobility Change Among Older Chinese Immigrants During the COVID-19 Pandemic: The Role of Physical, Social, and Virtual Environmental Factors
Notice bibliographique
Résumé
BACKGROUND: Vast spatial mobility changes happened globally during the COVID-19 pandemic, profoundly affecting older adults' well-being and active aging experience. This study aims to examine how the virtual environment and cyberspace, in conjunction with the physical and social neighbourhood environments, influence outdoor activities and spatial mobility for older immigrants. METHODS: Four online focus groups were conducted with 25 older Chinese immigrants aged 65 and over in the Greater Toronto Area, Canada. The focus groups explored coping strategies during the pandemic and spatial mobility patterns related to different activity types such as grocery shopping, leisure activities and physical exercises, social and familial activities, and healthcare. Qualitative thematic analysis was conducted guided by the neighbourhood and health theoretical framework. RESULTS: The overall engagement of older Chinese immigrants in various types of outdoor activities declined drastically and the spatial mobility pattern was complex. This change was shaped largely by the intersecting physical/built (e.g., residential conditions, access to public spaces), social (e.g., social support, interpersonal cohesion) and virtual (e.g., online communities and internet-based resources) environmental factors, as well as individual risk perceptions towards COVID-19 and public health interventions during the pandemic. CONCLUSIONS: Virtual environment emerged as an important domain that compensates for the heavily reduced spatial mobility of the group during the pandemic. It functioned as a vital channel for older Chinese immigrants to sustain the necessary leisure, social, and healthcare-related activities and maintain well-being during the pandemic. The study provides implications for addressing neighbourhood-level factors in policymaking and implementing initiatives to enhance active ageing experience of older Chinese immigrants.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| 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 ».