MétaCan
Menu
Retour à la cohorte
Enregistrement W4205093333 · doi:10.1123/japa.2021-0199

Influence of Ageism on Physical Activity Prescription for Prediabetes Management

2022· article· en· W4205093333 sur OpenAlexaff
Arun Eswaran, Brad A. Meisner

Notice bibliographique

RevueJournal of Aging and Physical Activity · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueObesity and Health Practices
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésPrediabetesMedicineMedical prescriptionPhysical therapyPhysical activityKinesiologyIntensity (physics)Internal medicineDiabetes mellitusType 2 diabetesEndocrinologyNursing

Résumé

récupéré en direct d'OpenAlex

This study used a randomized online survey design to examine the potential influence of ageism on physical activity (PA) prescription for hypothetical patients with prediabetes of different chronological ages. Participants included 356 kinesiology students who were randomly assigned to one of four conditions. Each condition presented a clinical case study of a hypothetical patient with prediabetes referred to the participant as a qualified exercise professional for a PA intervention. Case studies were identical except for the reported patient's chronological age. Participants provided recommendations for PA support, frequency, duration, and intensity. Significant main effects were observed for PA duration, F(3, 352) = 8.62; p < .001, and intensity, F(3, 352) = 16.20; p < .001. The older patient was prescribed significantly lower PA duration and intensity compared to younger patients and no-age control. This study provides evidence for the presence and independent influence of ageism against older patients in PA prescription for prediabetes management.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,901
Score d'incertitude au seuil0,616

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,053
Tête enseignante GPT0,423
Écart entre enseignants0,371 · 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.

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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Aging and Physical ActivityMême sujetObesity and Health PracticesTravaux en français237 207