MétaCan
Menu
Retour à la cohorte
Enregistrement W2893570120 · doi:10.1016/j.jalz.2018.07.221

Progress and future challenges in aging and diversity research in the United States

2018· article· en· W2893570120 sur OpenAlexaff
Paul Brewster, Lisa L. Barnes, Mary N. Haan, Julene K. Johnson, Jennifer J. Manly, Anna María Nápoles, Rachel A. Whitmer, Luis G. Carvajal‐Carmona, Dawnté R. Early, Sarah Farias, Elizabeth Rose Mayeda, Rebecca J. Melrose, Oanh L. Meyer, Adina Zeki Al Hazzouri, Ladson Hinton, Dan Mungas

Notice bibliographique

RevueAlzheimer s & Dementia · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institute on AgingNational Institutes of HealthNational Institute of Environmental Health SciencesU.S. Department of Veterans Affairs
Mots-clésEthnic groupDiversity (politics)GerontologyDementiaHealth equityCognitive agingSociocultural evolutionResource (disambiguation)Political sciencePsychologyCognitionSociologyDiseaseMedicinePublic healthPsychiatryNursing

Résumé

récupéré en direct d'OpenAlex

In 2016, the UC Davis Latino Aging Research Resource Center and UC Davis Alzheimer's Disease Center brought together experts from across the country to consolidate current knowledge and identify future directions in aging and diversity research. This report disseminates the research priorities that emerged from this conference, building on an earlier Gerontological Society of America preconference. We review key racial/ethnic differences in cognitive aging and dementia and identify current knowledge gaps in the field. We advocate for a systems-level framework for future research whereby environmental, sociocultural, behavioral, neuropathological, genetic, and psychometric levels of analysis are examined together to identify pathways and mechanisms that influence disparities. We then discuss steps to increase the recruitment and retention of racial/ethnic minorities in aging studies, as none of the recommendations will be possible without strong collaboration between racial/ethnic minority communities and researchers. This approach is consistent with the National Institute on Aging Health Disparities Research Framework.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,259
Score d'incertitude au seuil0,262

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
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 Opus0,199
Tête enseignante GPT0,426
Écart entre enseignants0,227 · 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.

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

Citations106
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & DementiaMême sujetAging and Gerontology ResearchTravaux en français237 207