MétaCan
Menu
Retour à la cohorte
Enregistrement W2154265608 · doi:10.1177/154193120905300808

Understanding Aging in Place for Older Adults: A Needs Analysis

2009· article· en· W2154265608 sur OpenAlexaff
Cara Bailey Fausset, Andrew K. Mayer, Wendy A. Rogers, Arthur D. Fisk

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2009
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Institute on AgingNational Institutes of Health
Mots-clésPsychological interventionGerontologyMetropolitan areaPsychologyAtlantaSuccessful agingAging in placeMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

A goal of many older adults is to remain in their own homes as they age (Beyond 50.05 Survey, 2005). However, a detailed assessment is lacking of the needs of older adults as they age in place. Using focus groups, twenty-six independently living older adults (mean age 78.8 years) from the Atlanta metropolitan area were asked to describe the tasks they perform to maintain their homes, as well as any difficulties they have performing these tasks. Participants described performing a wide range of tasks and focused primarily on physical difficulties. However, participants also reported solutions to manage these difficulties that fell into three broad categories: "Cessation," "Perseverance," and "Compensation." These categories represent classes of opportunities for interventions that may help older adults remain independent in their homes longer. By understanding the nature of home maintenance problems older adults encounter while aging in place, interventions and redesign efforts can be more effective. These data suggest that interventions should start with answering physical issues.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,282
Score d'incertitude au seuil0,561

Scores Codex et Gemma par catégorie

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

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 Opus0,050
Tête enseignante GPT0,315
Écart entre enseignants0,266 · 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

Citations16
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetAging and Gerontology ResearchTravaux en français237 207