MétaCan
Menu
Retour à la cohorte
Enregistrement W2796147227 · doi:10.1097/nur.0000000000000372

A Qualitative Investigation of the Self-Perceived Health Behavior Changes in Seniors After Their Transitions Into a Retirement Home

2018· article· en· W2796147227 sur OpenAlexaffabout
Danielle B. Haney, Paula C. Fletcher, Jennifer Robertson‐Wilson

Notice bibliographique

RevueClinical Nurse Specialist · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésQualitative researchPsychologyGerontologyPerceptionHealth and Retirement StudyAlcohol consumptionHealth behaviorConsumption (sociology)Social psychologyMedicineEnvironmental healthSociology

Résumé

récupéré en direct d'OpenAlex

PURPOSE/AIMS: It is important for seniors to engage in positive health behaviors to reduce the incidence of health-related consequences associated with aging. The purpose of this research study was to examine self-perceived changes in physical activity, nutrition, and alcohol consumption behaviors of seniors living in a retirement home through consideration of previous behaviors and self-perceptions of behavior changes. DESIGN: A qualitative research design was used for this study. METHODS: Semistructured one-on-one interviews were conducted with 9 Canadian women living in a retirement home. RESULTS: Two key themes, each with 3 subthemes, highlighted the various factors that influenced changes in health behaviors. The 2 themes consisted of (a) aging and adapting and (b) the transition: give a little to gain a lot. CONCLUSIONS: Participants' insights revealed the importance of maintaining a positive attitude, the influence of the social environment on health behaviors, and the nutritional sacrifices of retirement living. Future research should investigate ways in which nurses can assist seniors in enhancing health behaviors throughout transitions into retirement homes.

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)0,008
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 enseignants0,034
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,005
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
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 Opus0,133
Tête enseignante GPT0,503
Écart entre enseignants0,370 · 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

Citations7
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical Nurse SpecialistMême sujetAging and Gerontology ResearchTravaux en français237 207