Contributors to age inequalities in loneliness among older adults: a decomposition analysis of 29 countries
Notice bibliographique
Résumé
OBJECTIVES: Loneliness is highly prevalent and can have severe health consequences. While generally assumed to increase with age, some evidence suggests the relationship between age and loneliness may vary across country. In this study, we investigate the contribution of demographic and health factors to age-related inequalities in loneliness both within and across countries. METHOD: We used population-based cross-sectional data from 64,324 older adults (age range: 50-90 years) across 29 countries. Loneliness was measured with the 3 item UCLA loneliness scale. We quantified the magnitude of age inequalities in loneliness using concentration indices, and we estimated the contribution of demographic and health factors to age inequalities in loneliness using a decomposition approach. RESULTS: Loneliness was generally more concentrated among the oldest adults in the sample, although in the US and the Netherlands it was more concentrated among younger adults. Top contributors to age inequalities in loneliness were being unmarried and not working; however, the amount that factors contributed to inequalities differed markedly by country. CONCLUSION: Age inequalities in loneliness, and contributors to these inequalities, vary substantially across countries, suggesting that loneliness is not an inevitable consequence of age but may instead be shaped by environments within countries (e.g. social cohesion).
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 | 0,001 |
| 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 ».