MétaCan
Menu
Retour à la cohorte
Enregistrement W134748149 · doi:10.1051/medsci/2006223297

Le « bien vieillir » : concepts et modèles

2006· review· fr· W134748149 sur OpenAlexaff
Marcellin Gangbè, Francine M. Ducharme

Notice bibliographique

Revuemédecine/sciences · 2006
Typereview
Languefr
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensInstitut Universitaire de Gériatrie de Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPsychologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

For a few years, the image associated with the ageing process has been more positive: expressions such as << successful aging >>, << well aging >> or << healthy aging >> are more frequently used in relation to aging. However, there is still a lack of consensus on this appealing and challenging concept. Therefore, we present an overview of its definition, psychosocial determinants and conceptual models. We report that the meaning of the concept varies according to the cultural context (individualistic/relational societies), to the actors' perspectives (researcher/elderly) and according to the dominant approach (biomedical/holistic). Several models have also been identified: some are specific to a scientific domain and rely on a unique marker of well aging; others are multicriterion and embrace a broader field. Psychosocial factors are the most frequent determinants addressed by models. Among these factors, social and personal resources can be mobilized and learned, contrarily to the less modifiable personality traits. In summary, the << well aging >> framework offers a unique opportunity to identify and to reinforce positive aspects in the aging process. However, the integration of the various models, more complementary than opposite, into only one meta-model remains a task to be done by researchers for a better effectiveness of << well aging >> promotion programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,009
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0110,013
Études des sciences et des technologies0,0010,010
Communication savante0,0110,015
Science ouverte0,0040,003
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,161
Tête enseignante GPT0,481
Écart entre enseignants0,320 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemédecine/sciencesMême sujetAging and Gerontology ResearchTravaux en français237 207