MétaCan
Menu
Retour à la cohorte
Enregistrement W3166482670 · doi:10.1177/15394492211022271

Stimulating Research to Enhance Aging in Place

2021· article· en· W3166482670 sur OpenAlexaff
Juleen Rodakowski, Tracy M. Mroz, Carrie Ciro, Catherine L. Lysack, Jennifer L. Womack, Tracy Chippendale, Malcolm P. Cutchin, Heather Fritz, Beth Fields, Stacey L. Schepens Niemiec, Elsa M. Orellano-Colón, Shlomit Rotenberg, Pamela Toto, Danbi Lee, Vanessa Jewell, Margaret V. McDonald, Sajay Arthanat, Emily Somerville, Melissa Park, Catherine Verrier Piersol

Notice bibliographique

RevueOTJR Occupational Therapy Journal of Research · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensMcGill UniversityUniversity of Toronto
Organismes subventionnairesAmerican Occupational Therapy Foundation
Mots-clésCategorizationPsychological interventionAging in placeGerontologySuccessful agingFoundation (evidence)PsychologyIdentification (biology)Medical educationMedicineNursingComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Older adults may benefit from interventions to successfully age in place. Research has an opportunity to test interventions and implementation strategies to fulfill the needs of older adults through collective evidence building. The purpose of this article is to describe the proceedings of the American Occupational Therapy Foundation (AOTF) 2019 Planning Grant Collective and describe the areas of research that were identified as critical. The AOTF convened scientists with expertise in the area of aging in place to catalyze research on aging in place for older adults. Four priority areas in the aging in place literature were highlighted: (a) identification of factors that support aging in place, (b) classification of processes by which family members and care partners are included in aging in place efforts, (c) categorization of technology supporting older adults to age in place, and (d) development of science that clarifies implementation of evidence-based practice.

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)0,015
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,158
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,376
Tête enseignante GPT0,651
Écart entre enseignants0,275 · 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'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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOTJR Occupational Therapy Journal of ResearchMême sujetGeriatric Care and Nursing HomesTravaux en français237 207