Factors related to social disconnectedness among older unpaid caregivers
Notice bibliographique
Résumé
Background Older unpaid caregivers often face social isolation and loneliness, yet risk factors for social disconnection remain largely unexplored. As the demand for unpaid caregiving rises with an aging population, there is a need for targeted interventions to reduce social disconnectedness in this vulnerable group. This study aimed to identify determinants of social disconnectedness. Methods Data came from a sample of 701 unpaid caregivers aged 60 + who completed an internet-based survey assessing sociodemographics, health status, financial strain, social environment, and social disconnectedness. Four sequential regression models were used to identify the unique contribution of these factors related to social disconnectedness. Results The first model (F = 3.94, p < 0.001, aR2 = 0.030) showed that older age (β = −0.15, p < 0.001), self-identifying as being Black (β = −0.10, p = 0.008), and higher education (β = −0.11, p = 0.041) were associated with lower social disconnectedness. Adding health factors in the second model (F = 15.33, p < 0.001, aR2 = 0.170) revealed that, in addition to age and education, chronic conditions (β = 0.12, p = 0.001) and possible depression (β = 0.35, p < 0.001) were associated with social disconnectedness. Including financial strain in the third model (F = 15.52, p < 0.001, aR2 = 0.212) showed that household income (β = −0.10, p = 0.012) and financial stress (β = 0.18, p < 0.001) were additionally associated with social disconnectedness. The final model (F = 23.42, p < 0.001, aR2 = 0.366) that included social environmental factors showed that age (β = −0.07, p = 0.033), possible depression (β = 0.22, p < 0.001), financial stress (β = 0.16, p < 0.001), and levels of community belonging (β = −0.20–0.58, p < 0.001) were significantly related to the risk of disconnectedness. Conclusion Findings highlight possible intervention targets that have the potential to reduce social disconnectedness among older unpaid caregivers. Particularly, addressing depressive symptoms, reducing financial stress, and enhancing community belonging are essential components to mitigate social disconnectedness risk in this 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 | 0,000 | 0,005 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».