MétaCan
Menu
Retour à la cohorte
Enregistrement W1944544483 · doi:10.5539/gjhs.v8n7p68

Evaluation of the Criteria for Quality of Life of Elderly Health Care Centers in Tehran Province, Iran

2015· article· en· W1944544483 sur OpenAlexvenueno aff
Fereshteh Farzianpour, Mohammad Arab, Abbas Rahimi Foroushani, Esmaeil Morad Zali Mehran

Notice bibliographique

RevueGlobal Journal of Health Science · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueHealth and Well-being Studies
Établissements canadiensnon disponible
Organismes subventionnairesTehran University of Medical Sciences and Health Services
Mots-clésMedicineDemographyQuality of life (healthcare)PopulationCross-sectional studyGerontologyHealth careEnvironmental healthNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND & OBJECTIVES: The objective of this study was to evaluate the elderly quality of life of people covered by the healthcare centers in Tehran and its influencing demographic and background factors. METHOD: This is a cross-sectional study of quality of life of the elderly population covered by healthcare centers and bases in Tehran, as well as the influential background and demographic factors. Sampling was performed using simple random stratified sampling proportionate to the size of strata. Data were collected using the Iranian version of the standard questionnaire Short Form Health Survey (SF-36). RESULTS: According to the findings, 240 (60%) of the cases were men and 160 (40%) were women. Regarding age distribution, 76.3% fell in the 60-69 age range and 87.2% were illiterate. 18% of the elderly stated that they have financial problems and 19.5% did not express any financial problems. While studying the relationship between financial status and health status with the mean scores of quality of life, statistically significant differences were observed in all domains (p=0.032<0.001). The mean quality of life was lower in women compared to men. CONCLUSIONS: The findings of the present study indicate that the health-related quality of life in the elderly population is influenced by their health status and demographic and background variables.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,022
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,176
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0220,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,180
Tête enseignante GPT0,515
Écart entre enseignants0,335 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetHealth and Well-being StudiesTravaux en français237 207