Wellbeing across the American Nations: First Settler Effects influence traditional and existential wellness
Notice bibliographique
Résumé
This study investigates the "First Settler Wellness Effect," exploring how cultural geography impacts traditional wellness (physical health, social relationships, and financial stability) and existential wellness (purpose, meaning, and community identity) across the United States. Using data from the Gallup-Healthways Well-Being Index, which includes responses from over 325,000 individuals across 110 Metropolitan Statistical Areas (MSAs) from 2009 to 2016, we analyze wellness outcomes through the lens of the American Nations Model. This model categorizes the United States into distinct cultural regions shaped by early settlement patterns, emphasizing the enduring influence of regional norms and ideologies. Our findings, in support of the American Nations Model, reveal significant regional variation in wellness outcomes. Northeastern and Midwestern regions, characterized by communal norms, high educational attainment, and institutional trust, exhibit elevated traditional wellness scores (e.g., β = 0.371, p = 0.002). These regions reflect a stability rooted in health infrastructure and economic security. In contrast, Southern regions, shaped by honor-based values emphasizing personal autonomy, loyalty, and social reputation, show significantly higher existential wellness (e.g., β = 0.590, p = 0.011). This divergence highlights a tradeoff between material stability and existential fulfillment shaped by cultural norms. Interestingly, Southern regions demonstrate elevated existential wellness for Black and Hispanic residents compared to other regions, suggesting localized cultural or community support may offset systemic disparities. Conversely, Northeastern and Midwestern regions report higher traditional wellness yet fail to foster similar levels of existential fulfillment, underscoring the limitations of material prosperity alone. These findings emphasize the interplay between cultural history, regional identity, and human flourishing, offering insights for targeted public health and policy interventions.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».