The Preventing Dementia MOOC: Contribution to First Nations’ Health and Well-Being
Notice bibliographique
Résumé
Abstract Dementia is a global public health issue. First Nations people are at increased risk due to complex intergenerational factors grounded in inequalities in health services and economic and educational opportunities. While there is yet no drug-related cure for this progressive and terminal neurological condition, evidence confirms that increased understanding of dementia and modification of lifestyle factors can reduce risk. The primary potentially modifiable risk factors are not completing secondary school, midlife hypertension, obesity, type II diabetes, depression, physical inactivity, smoking, hearing loss acquired after the age of 55 years, and social isolation. Inherent in these factors is stress, affecting mental health. Addressing these factors globally could prevent or delay over 40 million cases of dementia. The free Preventing Dementia Massive Open Online Course (PD MOOC) is a globally recognized 4-week course that aims to build self-efficacy in knowledge and management of modifiable risk factors. The course has reached over 68,000 people world-wide and is rated highly; however, its contribution to First Nations communities has not yet been investigated. We describe the content of the PD MOOC, report on its impact in a cohort of older Aboriginal people (≥ 50 years of age) in Circular Head, Tasmania, Australia six months after course completion, and emphasize the importance of including traditional approaches to healing. We describe a protocol in which cultural determinants of health can be infused into the PD MOOC and evaluated to promote health and well-being globally for older First Nations people.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».