MétaCan
Menu
Retour à la cohorte
Enregistrement W2014853229 · doi:10.1300/j016v29n04_01

Self-Reported Physical Activity Among Older Acadians

2005· article· en· W2014853229 sur OpenAlexaffabout
Paul Bourque, Pierre Ouellette, Jerome F. Singleton, François Béland

Notice bibliographique

RevueActivities Adaptation & Aging · 2005
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensUniversité de MontréalDalhousie UniversityUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésGerontologyRegression analysisVariablesMultilevel modelExplained variationHomogeneousPhysical activityPsychologyVariance (accounting)DemographyMedicineSociologyStatistics

Résumé

récupéré en direct d'OpenAlex

North American society is aging. Individuals who are older are often confronted with a variety of issues such as transportation, health care, adequate income, and maintaining physical activity levels. Older adults are not a homogeneous group, for instance, Canadian society has been mainly composed of two cultures, English and French. The purpose of this study was to examine the contribution of demographic, health, and lifestyle variables on the self-reported physical activity of 1,281 older Acadians, residing in Eastern Canada. The demographic variables included age, sex, and education, while the health variables comprised self-perceived health and functional limitations. Four lifestyle variables were included: control, smoking, drinking, and social activity. A hierarchical regression analysis determined the contribution of these variables on self-reported physical activity. All variables were significant except for age, control and drinking, which accounted for 17% of the variance. Although health accounts for a greater percentage of the variance, lifestyle variables did contribute significantly to the model. The findings served to reinforce the need to further examine the contribution of lifestyle variables on self-reported physical activity in older Acadians.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,907
Score d'incertitude au seuil0,185

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,041
Tête enseignante GPT0,316
Écart entre enseignants0,275 · 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'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

Citations1
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueActivities Adaptation & AgingMême sujetPhysical Activity and HealthTravaux en français237 207