One-Person Households in Canada and the Implications for Health: A Health Geography Perspective
Notice bibliographique
Résumé
In recent decades, one-person households (OPHs) have become increasingly prevalent in developed countries, including Canada. Health concerns among individuals living alone in OPHs have also been highlighted. Despite this global recognition, such issues have received limited attention in Canada, and existing literature primarily focuses on older adults and overlooks other age groups. This thesis comprehensively examines the phenomenon of OPH in the Canadian context through a health geography perspective, utilizing data from the 1991-2016 Canadian Census Public Use Microdata Files and the 2017-2018 Canadian Community Health Survey Public Use Microdata File. Through descriptive analysis and binary logistic regression, this study identifies temporal-spatial trends in OPH prevalence and assesses the health implications of living in an OPH, across all adult age groups nationally. This analysis reveals a consistent increase in the prevalence of OPHs among Canadian adults from 1991 to 2016, primarily driven by rapid growth among middle-aged individuals. The Atlantic Provinces and Quebec exhibit the fastest growth in OPHs across all age groups. While OPH living remains primarily an urban phenomenon among young adults, it has seen a growing presence in rural areas among middle-aged and older adults in recent years. Compared to living with others, living alone in an OPH is detrimental to the health of Canadian adults, although the severity and underlying mechanisms of this detriment vary among age groups. Poorer socioeconomic conditions and unhealthy lifestyles emerge as significant risk factors for the OPH population across all age groups. Sex, ethnicity, marital status, personal income, access to regular health care providers, and the place of residency have different impacts across the three age cohorts (young adults, middle-aged adults, and older adults). These findings address critical research gaps and provide valuable insights for policymakers to effectively respond to the rapidly growing phenomenon, promoting the health and well-being of the OPH population in Canada.
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 | 0,000 | 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 | 0,000 | 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 ».