Predictors of Adherence in a Community-Based Tai Chi Program
Notice bibliographique
Résumé
RÉSUMÉ Cette étude a examiné les facteurs qui influent l'adhésion dans un programme de de tai-chi à 16 semaines parmi les adultes multi-ethniques d'âge moyen et plus âgés qui vivent dans un environnement faible socio-économique à Toronto. L'analyse a été basée sur des données recueillies auprès de trois cohortes du programme de tai-chi qui ont eu lieu à partir d'août 2009 à mars 2012. La variable principale de résultat, l'adhésion, a été mesurée par le nombre total de sessions suivies par chacun des participants. L'échantillon total était de 210 participants, avec un âge moyen de 68,1 ± 8,6. Basé sur le modèle de régression, l'adhésion a été associée de façon significative à l'âge plus avancé, au stress plus perçu, à l'enseignement supérieur, et aux scores mentales et physiques plus élevés de composants sur le Questionnaire Abrégée 36. Inversement, une faible observance était significativement associée à une activité physique hebdomadaire de base plus élevée. Nos résultats suggèrent que nous devrions cibler les personnes les moins instruites, à la santé mentale et physique médiocre, pour optimiser l'adhésion aux futurs programmes de tai-chi communautaires.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».