MétaCan
Menu
← Retour à la cohorte
Enregistrement W2725555745 · doi:10.1093/geroni/igx004.4302

WHO IS MOST LIKELY TO PLAN FOR FUTURE CARE NEEDS?

2017· article· en· W2725555745 sur OpenAlexaff
Calandra Speirs, C.A. Konnert

Notice bibliographique

RevueInnovation in Aging · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésTheory of planned behaviorPsychological interventionPsychologyVariance (accounting)Control (management)Multilevel modelAdvance care planningSample (material)Plan (archaeology)Regression analysisFinancial planApplied psychologySocial psychologyGerontologyNursingMedicineBusinessComputer sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

Planning for future care needs is an important but often neglected aspect of aging well. Decisions about care are often made reactively after a catastrophic health event, leading to significant stress for older adults and their family members. The purpose of this study was to use a well-established theory of behavior, the Theory of Planned Behavior (TPB), to predict planning, including the avoidance of planning and stages of planning behavior. Predictors from the theory (i.e., attitudes, norms, perceived control) were combined with other variables supported by the literature (i.e., age, future self-continuity, perceived future financial status, work experience with older adults, caregiving experience, contact with nursing homes) to determine who is most likely to engage in planning behavior, and who may be at risk for lack of planning. A sample of 83 participants (aged 18–70) completed questionnaires assessing these variables. Hierarchical regression analyses, with age entered in step 1, were used to determine which factors predicted overall planning, the avoidance of planning, and four stages of planning (awareness, gathering information, decision-making, and concrete planning). Taken together, these predictors explained a significant amount of variance in planning behavior, for example, 64% of the variance in concrete planning. Moreover, TPB predictors (attitudes, norms, and perceived control) were significant predictors of all stages of planning. These findings suggest that: a) the TPB has utility in predicting who is most likely to plan across a wide age range, and b) interventions designed to promote planning should target predictors of planning (e.g., perceived control).

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)0,000
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,060
Tête enseignante GPT0,417
Écart entre enseignants0,357 · 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'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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetGeriatric Care and Nursing Homes→Travaux en français237 207→