MétaCan
Menu
Retour à la cohorte
Enregistrement W2594627988 · doi:10.1080/02703181.2017.1283656

Development of an Assistive Technology Intervention for Community Older Adults

2017· article· en· W2594627988 sur OpenAlexaff
Elsa M. Orellano-Colón, Frances M. Morales, Zahira Sotelo, Nilkenid Picado, Edgardo J. Castro, Mayra Torres, Marta Rivero‐Méndez, Nelson Varas, Jeffrey W. Jutai

Notice bibliographique

RevuePhysical & Occupational Therapy In Geriatrics · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAssistive Technology in Communication and Mobility
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNational Institute on Drug AbuseNational Institute on Minority Health and Health DisparitiesAmerican Psychology-Law Society
Mots-clésIntervention (counseling)Assistive technologyFocus groupGerontologyPsychologyQualitative researchIndependent livingApplied psychologyNursingMedicineComputer scienceHuman–computer interactionSociology

Résumé

récupéré en direct d'OpenAlex

AIM: To explore the use ofthe Ecological Validity Model as a guiding framework in the provision of a culturally-sensitive assistive technology (AT) intervention for community older people. METHODS: Twenty-seven Hispanic adultsaged 70 years and older, and four individuals with expertisein AT participated in a concurrent nested mixed method study where the quantitative method (content validity ratio exercise) was embedded in the dominant qualitative method (focus groups). RESULTS: Findings informedthe development of the Assistive Technology Life Enhancement Program (ATLEP); an intervention consisting of seven modules addressing AT devices with culturally sensitive elements. CONCLUSIONS: The Ecological Validity Model, as well as, the input from older adults were both effective methodological strategies in tailoring the ATLEP intervention to the needs and circumstances of community-living older people living in Puerto Rico.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,135
Tête enseignante GPT0,498
Écart entre enseignants0,363 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical & Occupational Therapy In GeriatricsMême sujetAssistive Technology in Communication and MobilityTravaux en français237 207