Healthy Aging from the Perspectives of 683 Older People with Multiple Sclerosis
Notice bibliographique
Résumé
Purpose. The aim of this study was to determine what factors most greatly contributed to healthy aging with multiple sclerosis (MS) from the perspective of a large sample of older people with MS. Design and Methods. Participants (n = 683; >55 years of age with symptoms >20 years) provided answers to an open-ended question regarding healthy aging and were categorized into three groups, 55-64 (young), 65-74 (middle), and 75 and over (oldest old). Sociodemographic actors were compared using ANOVA. Two independent raters used the framework method of analyzing qualitative data. Results. Participants averaged 64 years of age (±6.2) with MS symptoms for 32.9 years (±9.4). 531 participants were female (78%). The majority of participants lived in their own home (n = 657) with a spouse or partner (n = 483). Participants described seven themes: social connections, attitude and outlook on life, lifestyle choices and habits, health care system, spirituality and religion, independence, and finances. These themes had two shared characteristics, multidimensionality and interdependence. Implications. Learning from the experiences of older adults with MS can help young and middle aged people with MS plan to age in their own homes and communities. Our data suggests that older people with MS prioritize factors that are modifiable through targeted self-management strategies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».