Social vulnerability increases the risk of death differently in men and women: longitudinal analysis over 15 years in the Paquid Study
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Social vulnerability (SV) is a multidimensional construct associated with adverse health outcomes, including mortality. However, little is known about how SV differentially affects older men and women. RESEARCH DESIGN AND METHODS: We analyzed data from 3695 community-dwelling older adults from the Paquid cohort, followed for 15 years. SV was assessed using a 26-item SV Index (SVI), categorized into low, moderate, and high levels. Delayed-entry Cox models stratified by gender were used to estimate mortality risk, adjusting for disability, history of ischemic heart disease, dyspnea, diabetes, and cognitive impairment. Associations between SV subdimensions and mortality were also examined separately by gender. RESULTS: Women accumulated more social deficits than men (40 % vs. 21 % with high SV). High SV was associated with a 21-25 % increased mortality risk in both genders. However, moderate SV is significantly associated with an increased mortality risk only in men (adjusted Hazard Ratio = 1.25, 95 % CI: 1.09-1.44 vs. aHR = 0.96, 95 % CI: 0.81-1.13 in women). Among subdimensions, low socioeconomic status and poor leisure activity engagement were the strongest mortality predictors in men-even at moderate levels (result marginally significant for leisure activities, p = 0.073). In women, poor engagement in leisure activities and negative psychological experience were the main predictors of mortality; low socioeconomic status (SES) showed a trend-level association (p = 0.045). DISCUSSION AND IMPLICATIONS: Despite greater SV, women seem to withstand moderate social deficits better than men. These findings highlight the need for further studies to explain gender differences and develop gender-sensitive public health 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 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».