Mobility limitations and emotional dysfunction in old age: The moderating effects of physical activity and social ties
Notice bibliographique
Résumé
This study aims to examine the association between mobility limitations and emotional dysfunction among older Ghanaians and evaluate the buffering effect of physical activity (PA) and social ties in this association.The analysis included 1201 adults aged ≥50 from the 2016-17 Aging, Health, Psychological Well-being, and Health-seeking Behavior study. The Medical Outcomes Study Short Form-36 (MOS SF-36) assessed mobility limitations and emotional dysfunction. We measured PA using the International Physical Activity Questionnaire Short Form (IPAQ-SF). Hierarchical OLS regressions were performed to evaluate the hypothesized direct and interactive relationships.The mean age of the sample was 66.2 (SD = 11.9), and 63.3% were women. After full adjustment for potential confounders, OLS regressions found that mobility limitations increased the risk of emotional dysfunction (β = 0.113, p = 0.004). Moreover, social ties (β = -0.157, p < 0.001) and PA (β = -0.096, p < 0.001) were independently and negatively associated with emotional dysfunction. We finally found a significant effect modification of the association of mobility limitations with emotional dysfunction by PA (β = -0.040, p < 0.002) and social ties (β = -0.013, p = 0.013).Mobility-enhancing strategies such as engagement in positive behavioral choices, focusing on regular PA, and maintaining resourceful interpersonal social networks can mitigate the impact of mobility limitations on emotional dysfunction in later life.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».