Developing a comprehensive measure of mobility: mobility over varied environments scale (MOVES)
Notice bibliographique
Résumé
BACKGROUND: While recent work emphasizes the multi-dimensionality of mobility, no current measure incorporates multiple domains of mobility. Using existing conceptual frameworks we identified four domains of mobility (physical, cognitive, social, transportation) to create a "Mobility Over Varied Environments Scale" (MOVES). We then assessed expected patterns of MOVES in the Canadian population. METHODS: An expert panel identified survey items within each MOVES domain from the Canadian Community Health Survey- Healthy Aging Cycle (2008-2009) for 28,555 (weighted population n = 12,805,067) adults (≥45 years). We refined MOVES using principal components analysis and Cronbach's alpha and weighted items so each domain was 10 points. Expected mobility trends, as assessed by average MOVES, were examined by sociodemographic and health factors, and by province, using Analysis of Variance (ANOVA). RESULTS: MOVES ranged from 0 to 40, where 0 represents individuals who are immobile and 40 those who are fully mobile. Mean MOVES was 29.58 (95% confidence interval (CI) 29.49, 29.67) (10th percentile: 24.17 (95% CI 23.96, 24.38), 90th percentile: 34.70 (CI 34.55, 34.85)). MOVES scores were lower for older, female, and non-white Canadians with worse health and lower socioeconomic status. MOVES was also lower for those who live in less urban areas. CONCLUSIONS: MOVES is a holistic measure of mobility for characterizing older adult mobility across populations. Future work should examine individual or neighborhood predictors of MOVES and its relationship to broader health outcomes. MOVES holds utility for research, surveillance, evaluation, and interventions around the broad factors influencing mobility in older adults.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».