Development and Concurrent Validity of a Composite Social Isolation Index for Older Adults Using the CLSA
Bibliographic record
Abstract
RÉSUMÉ L’isolement social a retenu l’attention des chercheurs, en particulier dans la recherche concernant les personnes âgées, étant donné les corrélations établies avec la mortalité et le risque de mauvaise santé physique ou mentale. Toutefois, les mesures utilisées jusqu’à maintenant pour l’isolement social ont grandement varié et manquent souvent de clarté conceptuelle. La présente étude s’appuie sur un cadre conceptuel de classification des mesures d’isolement social et explique l’élaboration et la validation d’un indice composite d’isolement social (ELCV-SII) qui a été créé en utilisant les données de l’Étude longitudinale canadienne sur le vieillissement (ELCV). L’échantillon de l’ELCV incluait 21 491 Canadiens âgés de 65 ans ou plus (âge moyen : 72,9 ans; à 53,5 % de sexe féminin) retrouvés dans les données de base des cohortes de suivi et de la cohorte globale de l’ELCV (n = 51 338). Le CLSA-SII a été élaboré en utilisant une méthodologie standard, qui a été suivie pour la création d’autres mesures, dont la résilience à la multimorbidité et les indices de vieillissement efficaces. Les associations entre l’ELCV-SII et quatre variables clés (échelle de satisfaction de vie, dépression, santé mentale perçue et santé perçue) ont été évaluées par des analyses de régression, en tenant compte de l’âge, du sexe, du revenu et de la scolarité. Les associations entre l’indice CLSA-SII et les quatre variables d’intérêt ont donné lieu à des associations modérées statistiquement significatives conformes à la tendance prévue, qui concordent avec les recherches antérieures, ce qui démontre une bonne validité convergente pour l’ELCV-SII.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".