MétaCan
Menu
Retour à la cohorte
Enregistrement W2409657256 · doi:10.14430/arctic4564

Physical Activity Policy for Older Adults in the Northwest Territories, Canada: Gaps and Opportunities for Gains

2016· article· en· W2409657256 sur OpenAlexaffvenueabout
Lauren A. Brooks-Cleator, Audrey R. Giles

Notice bibliographique

RevueARCTIC · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésRecreationPopulationGovernment (linguistics)Population ageingGerontologyGeographyEconomic growthBusinessPolitical scienceSocioeconomicsMedicineEnvironmental healthSociologyEconomics

Résumé

récupéré en direct d'OpenAlex

In the Northwest Territories (NWT), Canada, the population of older adults is increasing, and this population reports much poorer health than other age cohorts. Given the number of benefits that physical activity (PA) can have for older adults, we analyzed policies concerning older adults and PA of both the NWT government and non-governmental organizations in the health, recreation, and sports sectors. Our findings indicate that although the majority of the organizations had no PA policies specific to older adults or Aboriginal older adults, some organizations completed all five stages of the policy cycle (agenda setting, policy formulation, decision making, implementation, and evaluation). Our analysis suggests that PA for older adults is not on the agenda for many organizations in the NWT and that often the policy process does not continue past the decision-making stage. To address the need for connections between all stages of the policy cycle, we suggest that organizations collaborate across multiple sectors and with older adults to develop a territory-wide, age-friendly rural and remote community strategy that is applicable to the NWT. Prioritizing age-friendly communities would, in turn, facilitate appropriate PA opportunities for older adults in the NWT and thus contribute to a healthier aging population.

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 enseignants0,496
Score d'incertitude au seuil0,252

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,057
Tête enseignante GPT0,345
Écart entre enseignants0,288 · 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

Citations3
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueARCTICMême sujetHealth disparities and outcomesTravaux en français237 207