MétaCan
Menu
Retour à la cohorte
Enregistrement W2261663035 · doi:10.1177/0733464816630636

Computerized Self-Administered Measures of Mood and Appetite for Older Adults: The Novel Assessment of Nutrition and Ageing Toolkit

2016· article· en· W2261663035 sur OpenAlexaff
Laura E. Brown, Tim Adlam, Faustina Hwang, Hassan Khadra, Linda M. Maclean, Bridey Rudd, Tom Smith, Claire Timon, Elizabeth A. Williams, Arlene Astell

Notice bibliographique

RevueJournal of Applied Gerontology · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueDiet and metabolism studies
Établissements canadiensOntario Shores Centre for Mental Health Sciences
Organismes subventionnairesEconomic and Social Research CouncilBiotechnology and Biological Sciences Research CouncilUniversity of St AndrewsDirectorate for Biological SciencesMedical Research CouncilArts and Humanities Research CouncilEngineering and Physical Sciences Research Council
Mots-clésMoodGerontologyAgeingAppetitePsychologyDepressed moodMedicineClinical psychologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

The "Novel Assessment of Nutrition and Ageing" (NANA) toolkit is a computerized system for collecting longitudinal information about older adults' health and behavior. Here, we describe the validation of six items for measuring older adults' self-reported mood and appetite as part of the NANA system. In Study 1, 48 community-living older adults (aged 65-89 years) completed NANA measures of their current mood and appetite alongside standard paper measures, on three occasions, in a laboratory setting. In Study 2, 40 community-living older adults (aged 64-88 years) completed daily NANA measures of momentary mood and appetite in their own homes, unsupervised, alongside additional measures of health and behavior, over three 7-day periods. The NANA measures were significantly correlated with standard measures of mood and appetite, and showed stability over time. They show utility for tracking mood and appetite longitudinally, and for better understanding links with other aspects of health and behavior.

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)0,000
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 enseignants0,909
Score d'incertitude au seuil0,208

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,032
Tête enseignante GPT0,303
Écart entre enseignants0,271 · 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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied GerontologyMême sujetDiet and metabolism studiesTravaux en français237 207