MétaCan
Menu
← Retour à la cohorte
Enregistrement W2985246623 · doi:10.1093/geroni/igz038.3416

SELF-ACCEPTANCE BUFFERS NEGATIVE SOLITUDE-PHYSICAL ACTIVITY LINKS IN OLD AGE

2019· article· en· W2985246623 sur OpenAlexaff
Jody Mielcarski, Peter Graf, Maureen C. Ashe, Christiane A. Hoppmann

Notice bibliographique

RevueInnovation in Aging · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSolitudeLonelinessPsychologyContext (archaeology)Developmental psychologySocial psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Loneliness is positively associated with a number of negative psychological and health outcomes. Solitude, a related yet distinct phenomenon, can have positive or negative ramifications depending on the context. As older adults spend significant time in solitude, there is particular need to investigate the effects of solitude on the health of this specific segment of the population. This study investigated everyday life associations between solitude and obstacles to physical activity as well as resources for overcoming these obstacles in order to determine whether and for whom solitude is negatively or positively associated with physical activity. Multilevel modelling was used to analyze data from 138 community-dwelling adults aged 65 years and older. Participants completed three daily questionnaires over a period of ten days concerning social context, activities and obstacles, as well as managing obstacles. Preliminary analyses using a subset of participants with complete data (N = 93) indicate that participants reported more physical activity obstacles when they were in solitude. This only applied to participants low in self-acceptance. Furthermore, self-acceptance was also positively associated with the extent to which individuals who had experienced an obstacle (N = 71) managed to overcome it. Further analyses will examine accelerometry-based movement information as well as the role of additional resources (e.g. living with others) and vulnerability factors (loneliness, anxiety).

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)0,001
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,030
Tête enseignante GPT0,366
Écart entre enseignants0,336 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetHealth disparities and outcomes→Travaux en français237 207→