MétaCan
Menu
Retour à la cohorte
Enregistrement W3025768417 · doi:10.1017/s0714980820000215

COVID-19: Pandemic Risk, Resilience and Possibilities for Aging Research

2020· article· en· W3025768417 sur OpenAlexaffabout
Andrew Wister, Mark Speechley

Notice bibliographique

RevueCanadian Journal on Aging / La Revue canadienne du vieillissement · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueResilience and Mental Health
Établissements canadiensWestern UniversitySimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésPandemicPsychological resilienceSocial isolationCoronavirus disease 2019 (COVID-19)Isolation (microbiology)Resilience (materials science)Economic growthDevelopment economicsPolitical scienceGerontologyPsychologyMedicineSocial psychologyDiseaseBiologyPsychiatryEconomicsInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

The COVID-19 global crisis is reshaping Canadian society in unexpected and profound ways. The significantly higher morbidity and mortality risks by age suggest that this is largely a "gero-pandemic," which has thrust the field of aging onto center stage. This editorial emphasizes that vulnerable older adults are also those most affected by COVID-19 in terms of infection risk, negative health effects, and the potential deleterious outcomes on a range of social, psychological, and economic contexts - from ageism to social isolation. We also contend that the pathogenic analysis of this pandemic needs to be balanced with a salutogenic approach that examines the positive adaptation of people, systems and society, termed COVID-19 resilience. This begs the question: how and why do some older adults and communities adapt and thrive better than others? This examination will lead to the identification and response to research and data gaps, challenges, and innovative opportunities as we plan for a future in which COVID-19 has become another endemic infection in the growing list of emerging and re-emerging pathogens.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,799
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,077
Tête enseignante GPT0,384
Écart entre enseignants0,307 · 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.

Devis d'étudeSans objet
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

Citations67
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal on Aging / La Revue canadienne du vieillissementMême sujetResilience and Mental HealthTravaux en français237 207