Assessing Situational Awareness for Healthful Behaviors and the “Self-Care Gap” Among Non-Hispanic Black and Hispanic Men With Chronic Conditions
Notice bibliographique
Résumé
ObjectiveThis study sought to identify factors associated with (1) situational awareness (i.e., daily recognition of situations to make choices to act in the best interest of one's health) and (2) the self-care gap (i.e., not acting in one's best interest despite having recognized at least one opportunity to perform healthful behaviors).MethodsData from 1,761 non-Hispanic Black (58.4%) and Hispanic (41.6%) men aged 40 years or older with chronic conditions were collected using an internet-delivered questionnaire. Two linear regression models were fitted to assess factors associated with situational awareness and the self-care gap, respectively. Regression models were adjusted for sociodemographics, disease symptomatology, preventive screening activity, health behaviors, and health-related perceptions.ResultsSituational awareness levels were lower for older individuals (B = -.03, p < .001). Men who had higher fatigue (B = .11, p = .002), more stress (B = .07, p = .032), utilized more prevention screenings (B = .13, p = .001), adhered to physical activity guidelines (B = .36, p = .044), and received more social support (B = .89, p < .001) reported higher situational awareness. The self-care gap was more pronounced among non-Hispanic Black men (B = -.32, p = .026). Men who reported higher fatigue (B = .06, p = .041), clinical depression (B = .39, p = .039), more barriers to self-care (B = .11, p < .001), and higher frustrations with health care (B = .12, p < .001) were associated with greater self-care gaps.ConclusionsMen's recognition of healthful opportunities was largely driven by their disease symptomatology, greater engagement in preventive screenings, and receiving social support. However, the self-care gap was seemingly driven by mental health and challenges with disease self-management and health care interactions. Efforts are needed to narrow disparities in the self-care gap between non-Hispanic Black and Hispanic men.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».