MétaCan
Menu
Retour à la cohorte
Enregistrement W3032812646 · doi:10.3760/cma.j.issn.1672-7088.2017.35.011

The study on the participation of leisure activities and the cognitive function of the elderly

2017· article· en· W3032812646 sur OpenAlexaboutno aff
Liuxu Fang, Qin Shen

Notice bibliographique

Revue˜The œJournal of practical nursing · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueHealth and Well-being Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRecreationCognitionEnthusiasmGerontologyPsychologyActivities of daily livingFunction (biology)Quality of life (healthcare)Elderly peopleMedicinePsychiatrySocial psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Objective To investigate the status of cognitive function and leisure activity participation among the elderly in urban communities, and to explore the relationship between cognitive activities and leisure activities. Methods Using the General Demographic Data Questionnaire,the Montreal Cognitive Assessment Scale and Leisure Activities Questionnaire, 528 elderly people were investigated. Results The cognitive function were (25.65 ± 2.58), (25.76 ± 2.48)points in elderly with recreation and intelligence activities respectively, and (25.21 ± 2.53), (25.58 ± 2.60)points in elderly without recreation and intelligence activities respectively, the difference was statistically significant (Z=5.56, 8.16, P 0.05). The participation of intelligence and recreation was positively correlated with cognitive function (r=0.347, 0.270, P 0.05). Conclusions Nursing staff should pay more attention to the decline of cognitive function of the elderly, so that the elderly can recognize the importance of leisure activity, improve their enthusiasm, participate in science, enrich the quality of life in later years, improve cognitive function. Key words: Aged; Leisure activity; Cognitive function

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)0,002
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,079
Tête enseignante GPT0,436
Écart entre enseignants0,357 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue˜The œJournal of practical nursingMême sujetHealth and Well-being StudiesTravaux en français237 207