Patterns of productive aging among Vietnamese war survivors: The influential role of early-life war exposure and past military service
Notice bibliographique
Résumé
OBJECTIVES: War disrupts millions of lives, particularly in low- and middle-income countries (LMICs), where armed conflicts are most frequent. Although war has received extensive research attention, its long-term impact on productive aging remains unclear. This study investigates how early-life war exposure affects productive aging among older Vietnamese war survivors and examines the moderating role of past military service and gender. METHODS: Data come from the Vietnam Health and Aging Study (N = 2,447 war survivors aged 60+). Latent class analysis identifies patterns of later-life engagement across five domains: work, in-kind support, caregiving, community involvement, and self-development. Multinomial logistic regression analyses assess the associations between war exposure, military role, gender, and productive aging profiles. RESULTS: The analysis identifies five engagement patterns: High Engagers, Altruistic, Low Engagers, Civic Developers, and Active Workers. Greater war exposure is associated with profiles reflecting higher levels of engagement. Military role moderates this relationship: formal military veterans are more likely to be classified as Active Workers under high exposure conditions. Informal military members, by comparison, are more likely to be classified as Low Engagers. Gender further moderates these patterns, with women less likely to belong to profiles marked by high levels of public participation. DISCUSSION: To promote productive aging in conflict-affected LMICs, policymakers should consider the long-term effects of early-life war exposure, past military service, and gendered disparities. By addressing these inequalities through early-life interventions, we can potentially improve long-term engagement outcomes.
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 | 0,002 |
| 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) | 0,002 | 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 ».