MétaCan
Menu
Retour à la cohorte
Enregistrement W2793570519 · doi:10.1071/py17043

An exploration of the experiences of Australian Grey Nomads travelling with chronic conditions

2018· article· en· W2793570519 sur OpenAlexaff
Kaara Ray B. Calma, Elizabeth Halcomb, Moira Stephens

Notice bibliographique

RevueAustralian Journal of Primary Health · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensBC Research (Canada)
Organismes subventionnairesWorld Health Organization
Mots-clésPopulation healthThematic analysisQualitative researchPreparednessHealth careGrey literaturePopularityPublic healthMedicineHealth economicsPopulationNursingPublic relationsGerontologySociologyPsychologyEconomic growthMEDLINEEnvironmental healthSocial sciencePolitical scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Internationally, the population is ageing and people are living well, longer. In Australia, extended travelling has gained popularity among older Grey Nomads due to time and opportunity post retirement. However, there is limited research available focusing on older Australians' health while travelling. This paper reports the qualitative phase of a larger mixed-method project that explores the experience of Australian Grey Nomads travelling with chronic conditions. Eight Grey Nomads participated in telephone interviews. Data were analysed using inductive thematic analysis. Two themes emerged, namely: continuity of care while travelling and experts on the road. Participants described encountering a fragmented health system, with challenges regarding finding health services; a lack of shared medical records; and difficulties accessing regular medications. Despite these challenges, participants demonstrated health preparedness, an ability to accommodate health on the road, and were all travelling for their health. This study highlights key systems issues that challenge health care while travelling, and identifies opportunities for both usual practices and rural health services to enhance the care provided to this group.

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)0,006
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0170,009
Communication savante0,0040,004
Science ouverte0,0010,011
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,091
Tête enseignante GPT0,376
Écart entre enseignants0,285 · 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'étudeQualitatif
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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of Primary HealthMême sujetChronic Disease Management StrategiesTravaux en français237 207