Association Between Loneliness, eHealth Literacy and Quality of Life Among Chinese Older Adults: Cross-Sectional Study (Preprint)
Notice bibliographique
Résumé
Background: Loneliness is a growing public health challenge among older adults and is associated with a wide range of adverse health outcomes. The role of eHealth literacy in shaping the relationship between loneliness and quality of life remains unclear. Objective: This study aimed to examine the contributing role of eHealth literacy in moderating the associations between loneliness and quality of life among older adults. Methods: A community-based survey was conducted in 2025 among older adults aged 60 years or older living in northwestern China. A total of 2110 participants were included. Multiple linear regression and interaction models were used to assess associations and moderating effects. Sensitivity analyses were conducted by replacing the outcome variable with depressive symptoms and by performing stratified analyses to assess the robustness of the primary interaction findings. Results: Loneliness showed a consistent negative association with quality of life (β=-0.83, 95% CI -1.18 to -0.49; P<.001). Higher overall eHealth literacy was associated with better quality of life (β=0.41, 95% CI 0.35-0.47; P<.001). Interaction models indicated that higher eHealth literacy was associated with a steeper negative association between loneliness and quality of life (β=-0.04, 95% CI -0.08 to -0.002; P=.04). Sensitivity analyses produced similar results across alternative outcomes and subgroups. Conclusions: Higher loneliness was related to a poorer quality of life. Higher eHealth literacy was associated with a steeper negative association between loneliness and quality of life. These findings suggest that eHealth literacy may function as a double-edged sword in later life. Future research is needed to clarify the underlying mechanisms and to examine how digital health competencies interact with psychosocial vulnerability in shaping older adults' well-being.
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 | 0,001 |
| 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».