MétaCan
Menu
Retour à la cohorte
Enregistrement W2466860400 · doi:10.1016/j.reu.2016.06.001

Uso de tecnologías de asistencia y fragilidad en adultos mayores de 80 años y más

2016· article· es· W2466860400 sur OpenAlexaboutno aff
E. Teixeira-Gasparini, Rosalina Aparecida Partezani Rodrigues, Suzele Cristina Coelho Fabrício-Wehbe, Jack Roberto Silva Fhon, M. Aleixo-Diniz, Luciana Kusumota

Notice bibliographique

RevueEnfermería Universitaria · 2016
Typearticle
Languees
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGerontologyMedicineAutonomyDescriptive statisticsActivities of daily livingHumanitiesPhysical therapyStatisticsArt

Résumé

récupéré en direct d'OpenAlex

Objective: To identify and analyze the association between the use of assisting technologies and the frailty in aged 80 years and older. Method: This is a quantitative, descriptive and transversal study conducted in Ribeirão Preto, Brazil, with a sample of 144 aged 80 years and older of both sexes and living in the community. Data were gathered through the Edmonton Frail Scale (EFS), and the Assisting Technology Instrument. Data were analyzed using descriptive statistics and Fisher’s exact test at a significant level of p < 0.05. Results: A prevalence of females, widowed, and living alone was observed. From those interviewed, 77.4% used some assisting technology, mainly lenses and supporting banisters. Concerning frailty assessment, 23.6% were considered as mild, 13.1% as moderate, and 7.8% as severe. A statistically significant association with the use of assisting technologies such as wheel chairs, banisters, and walkers was verified at all frailty levels. Conclusion: The use of assisting technologies can help elder adults achieve a more functional independence and autonomy in their daily life activities.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,130
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,010
Tête enseignante GPT0,253
Écart entre enseignants0,242 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnfermería UniversitariaMême sujetFrailty in Older AdultsTravaux en français237 207