MétaCan
Menu
Retour à la cohorte
Enregistrement W2618291069 · doi:10.1186/s12889-017-4392-7

Capturing how age-friendly communities foster positive health, social participation and health equity: a study protocol of key components and processes that promote population health in aging Canadians

2017· article· en· W2618291069 sur OpenAlexafffundabout
Mélanie Levasseur, Marie‐France Dubois, Mélissa Généreux, Verena Menec, Parminder Raina, Mathieu Roy, Catherine Gabaude, Yves Couturier, Catherine St-Pierre

Notice bibliographique

RevueBMC Public Health · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanUniversité de SherbrookeMcMaster UniversityUniversity of ManitobaCentre Hospitalier Universitaire de SherbrookeCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-Montréal
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineBiostatisticsPublic healthHealth equityProtocol (science)Equity (law)Environmental healthGerontologyPopulation healthSocial determinants of healthNursingAlternative medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: To address the challenges of the global aging population, the World Health Organization promoted age-friendly communities as a way to foster the development of active aging community initiatives. Accordingly, key components (i.e., policies, services and structures related to the communities' physical and social environments) should be designed to be age-friendly and help all aging adults to live safely, enjoy good health and stay involved in their communities. Although age-friendly communities are believed to be a promising way to help aging Canadians lead healthy and active lives, little is known about which key components best foster positive health, social participation and health equity, and their underlying mechanisms. This study aims to better understand which and how key components of age-friendly communities best foster positive health, social participation and health equity in aging Canadians. Specifically, the research objectives are to: 1) Describe and compare age-friendly key components of communities across Canada 2) Identify key components best associated with positive health, social participation and health equity of aging adults 3) Explore how these key components foster positive health, social participation and health equity METHODS: A mixed-method sequential explanatory design will be used. The quantitative part will involve a survey of Canadian communities and secondary analysis of cross-sectional data from the Canadian Longitudinal Study on Aging (CLSA). The survey will include an age-friendly questionnaire targeting key components in seven domains: physical environment, housing options, social environment, opportunities for participation, community supports and healthcare services, transportation options, communication and information. The CLSA is a large, national prospective study representative of the Canadian aging population designed to examine health transitions and trajectories of adults as they age. In the qualitative part, a multiple case study will be conducted in five Canadian communities performing best on positive health, social participation and health equity. DISCUSSION: Building on new and existing collaborations and generating evidence from real-world interventions, the results of this project will help communities to promote age-friendly policies, services and structures which foster positive health, social participation and health equity at a population level.

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)0,008
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,430
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0050,000
Communication savante0,0010,001
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 Opus0,265
Tête enseignante GPT0,472
Écart entre enseignants0,207 · 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.

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

Citations61
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetHealth disparities and outcomesTravaux en français237 207