Subjective Quality-of-Life Predictors for Older Adults with Physical Disabilities
Notice bibliographique
Résumé
OBJECTIVES: To study changes in quality of life (QOL) and to explore predictors of QOL of community-dwelling older adults with physical disabilities. DESIGN: A 2-yr longitudinal study involved a convenience sample of 49 people with physical disabilities aged 60-94 yrs. QOL was estimated twice at a 2-yr interval with the Quality of Life Index, which includes four domains: health and functioning, socioeconomic, psychological/spiritual, and family. The potential predictors evaluated at baseline were health condition, activity, participation (level and satisfaction), personal factors, and environmental factors (obstacles and facilitators). RESULTS: No change over time in QOL mean score was observed (mean: -0.41; SD: 2.5; 95% confidence interval: -1.1 to 0.30; P = 0.25). However, about half the participants had a clinically significant change (either increase or decrease). Greater satisfaction with participation in social roles and fewer obstacles in the physical environment were identified as the best predictors (R2 = 0.27; P = 0.001) of better QOL. Greater participation in daily activities, fewer obstacles in the physical environment, and greater satisfaction with participation in social roles were found to be the best predictors (R2 = 0.49; P < 0.001) of high health and functioning QOL. Finally, increased QOL score over the 2-yr period was best predicted by initial lower socioeconomic QOL and activity level perceived as unstable (R2 = 0.27; P = 0.001). CONCLUSIONS: QOL is partially explained by participation and environmental factors. These factors may be positively modified and thus may warrant special attention in health interventions. Identified predictors of QOL changes over time need to be considered in intervention studies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».