NETWORK ANALYSIS AND AGING: A NEW LOOK AT RESEARCH IN OLDER ADULTS
Notice bibliographique
Résumé
A investigação das questões clínicas relacionadas ao envelhecimento impõe desafios, uma vez que as condições de maior impacto para os idosos resultam de uma interação complexa entre múltiplos fatores etiológicos e modificadores.1,2 Por exemplo, o estudo de uma condição clínica específica como hipertensão arterial pode ser dificultado pela presença quase invariável de multimorbidade (diabetes, insuficiência renal, arritmia cardíaca) e síndromes geriátricas (falta de suporte social, comprometimento cognitivo, incontinência urinária, instabilidade e quedas).3 Nesse contexto, a análise de redes é uma abordagem em pesquisa capaz de descrever, explorar e entender a relação simultânea de vários aspectos relacionados a uma ou várias condições de saúde.[4][5][6] Esse método ilustra por meio de uma representação gráfica as conexões entre vários fatores e permite que os pesquisadores investiguem associações múltiplas entre variáveis, o que dificilmente seria possível por outras técnicas estatísticas.2,6 Vale ressaltar que esse modelo de análise tem como ponto de partida principal a noção de rede, concebida como um conjunto de relações entre atores.5,6 Logo, para a delimitação de uma rede social, é necessária a definição destes dois componentes primordiais: atores e relações.A análise de redes é, ao mesmo tempo, uma teoria (teoria de redes) e um método (análise das regularidades ou padrões de interação no interior de redes).5,6 Tanto a análise estrutural como a teorização de redes abrigam duas importantes perspectivas analíticas: analisar os antecedentes ou as consequências das redes.De um lado, estão as preocupações sobre as propriedades da rede que serve como variável dependente (desfecho), portanto a problemática constitui compreender os antecedentes que levaram ao surgimento desse fenômeno.De outro, o construto rede pode ser analisado como uma variável independente (preditor), nesse caso, o interesse é avaliar as consequências desse fenômeno.5,6 Os primórdios da análise de redes ocorreram ainda no século XVIII com estudos na área da matemática.[4][5][6] Depois, essa abordagem passou a ser utilizada por sociólogos e antropólogos em pesquisas pioneiras relativas às redes sociais entre os seres humanos.Esses trabalhos são a origem do significativo desenvolvimento da análise de redes vista a partir da década de 1970.Constituíram a base do que é conhecido, atualmente, como análise estrutural de redes.[4][5][6] Nas últimas décadas, com o advento da tecnologia e dos softwares estatísticos, essa técnica se tornou cada vez mais comum nas áreas de administração e ciências, com destaque para as pesquisas em saúde pública.4 Por exemplo, a análise de redes tem sido utilizada para estudar os modelos de transmissão de doenças, o papel das relações sociais nos hábitos de vida e o modo como os pesquisadores organizam as redes de pesquisa.5,7 Os softwares de rede modernos incorporam leiautes de alta qualidade que facilitam a interpretação dos achados para essas questões de pesquisa difíceis.4,5 Embora estejam se tornando mais comuns,
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,005 | 0,015 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».