Associations of depressive symptoms, social engagement and support, and lifestyle behaviors among non-Hispanic black and Hispanic men with chronic conditions in the United States
Notice bibliographique
Résumé
Introduction Self-management of depressive symptoms is influenced by co-morbidity, social support, and health-related behaviors. Men are less likely to discuss depressive moods and seek healthcare. This study examines factors associated with depressive symptoms among non-Hispanic Black and Hispanic men ages ≥40 years with ≥1 chronic condition in the U. S. Methods Data from 1,907 non-Hispanic Black (n = 1,117) and Hispanic (n = 790) males with chronic conditions were analyzed using logistic regression to assess depressive symptoms, identified as a Patient Health Questionnaire-2 score ≥3. One model was fitted for all men, then separate models were fitted for non-Hispanic Black and Hispanic men, respectively. The models adjusted for sociodemographic, disease characteristics, health status, social engagement and support, and lifestyle behaviors. Results In the full model, Hispanic men (OR = 1.39, p = 0.017) and those taking more medications (OR = 1.10, p = 0.010) were more likely to have depressive symptoms. Social disconnection (OR = 1.65, p < 0.001), reliance on others for health management (OR = 1.04, p < 0.001), limited activity due to health (OR = 3.15, p < 0.001), self-care barriers (OR = 1.16, p < 0.001), healthcare frustration (OR = 1.13, p < 0.001), prolonged sitting (OR = 1.01, p = 0.030), and tobacco use (OR = 1.56, p = 0.002) increased likelihood of depressive symptoms. Common and unique factors associated with depressive symptoms were identified in models for non-Hispanic Black and Hispanic men, respectively. Conclusion Findings highlight the dynamic interplay between depressive symptoms, social engagement, and lifestyle behaviors among non-Hispanic Black and Hispanic men with complex disease profiles. Efforts are needed to address depressive symptomatology through self-managing conditions, strengthening supportive networks, and alleviating burdens associated with healthcare interactions.
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) | 0,002 | 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 ».