Predicting Depressive Symptoms from Demographic, Social, Psychological, Behavioural, and Genetic Factors in Middle-Aged and Older Adults: A Trajectory Analysis of the Health and Retirement Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Depressive symptoms in middle aged and older adults are common, persistent, and are associated with cardiovascular disease, cognitive impairment, as well as earlier mortality. Previous research has identified risk factors for depressive symptoms in midlife and older adulthood such as increasing age, female sex, racial and ethnic minority status, major life stressors, lack of social connectedness, neuroticism, physical inactivity, and polygenic risk scores. However, these multidisciplinary predictors have not been compared to determine their relative contribution to depressive symptoms in older adulthood. Furthermore, previous research has only assessed depressive symptoms and their predictors cross-sectionally or prospectively (i.e., 2 time points), which misconstrues the dynamic temporal nature of depressive symptoms. Therefore, using data from the Health and Retirement Study (2006/2008-2016/2018), this project has three aims: 1) assess 10-year trajectories of depressive symptoms in middle aged and older adults (i.e., aged 50+) using growth mixture modelling, 2) identify predictors of trajectory groups in order of importance using random forest analysis, and 3) compare how trajectory groups differ in relation to the most important predictors with multinomial logistic regression. The significance of this project is that it may extend the literature by identifying top predictors of depressive symptom trajectories in middle aged and older adults, which may then serve as grounds for hypothesis generation and provide candidates for targeted 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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découle