Low Vision Rehabilitation, Age-Related Vision Loss, and Risk: A Critical Interpretive Synthesis: Table 1.
Notice bibliographique
Résumé
PURPOSE: Given the centrality of risk in geriatric rehabilitation, it is critically important to attend to how conceptualizations of risk shape research, policies, and rehabilitation practices. This paper presents a critical interpretive synthesis (CIS) of literature addressing risk and low vision rehabilitation for older adults with age-related vision loss (ARVL) to identify key guiding assumptions regarding risk and discuss implications for what gets attended to, and not attended to, within research and rehabilitation. DESIGN AND METHODS: This CIS combined guidelines proposed by Dixon-Woods and colleagues (2006-Conducting a critical interpretive synthesis of the literature on access to healthcare by vulnerable groups. BMC Medical Research Methodology, 6, 35) and Alvesson and Sandberg (2011-Generating research questions through problematization. Academy of Management Review, 36, 247-271; 2013-Constructing research questions: Doing interesting research. London: Sage). The iterative review process involved 3 steps: literature search and selection, data extraction, and syntheses to identify boundary assumptions. The dataset included 83 research and practice description articles. RESULTS: Older adults with ARVL were constructed as "at risk" for various adverse outcomes, particularly dependency and self-harm, and as posing risks to others. An epidemiological approach to risk based in assumptions aligned with a technico-scientific perspective was dominant, with risk conceptualized as an embodied, individual-level phenomenon that is to be determined and managed through objective screening and expert monitoring. IMPLICATIONS: Key concerns include a lack of: attention to the tensions created when rehabilitation research and practice attempt to promote independence while simultaneously reducing risk, incorporation of aging adults' perspectives on risk, and analysis of environmental factors that shape risks. Research that starts by valuing older adults' experiences and attends to context can inform rehabilitation practices that support health-promoting, risk-taking, and facilitate collaborative approaches to risk management.
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 | 0,002 | 0,018 |
| 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 | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».