MétaCan
Menu
Retour à la cohorte
Enregistrement W4225983362 · doi:10.1007/978-3-030-94212-0_5

Quantifying Mobility in Quality of Life

2022· book-chapter· en· W4225983362 sur OpenAlexaff
Nancy E. Mayo, Kedar Mate

Notice bibliographique

RevueHealth informatics · 2022
Typebook-chapter
Langueen
DomaineHealth Professions
ThématiqueOlder Adults Driving Studies
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésQuality of life (healthcare)OperationalizationPsychologyPerceptionContext (archaeology)Mental healthIntrusivenessGerontologyDevelopmental psychologyMedicinePsychiatryPsychotherapist

Résumé

récupéré en direct d'OpenAlex

Abstract This chapter provides an overview of the evidence linking mobility to quality of life (QoL). The findings showed that the operationalization of QoL varied across studies covering measures of physical or mental health, general health perception, life satisfaction, participation, illness intrusiveness, health-related QoL (HRQL) and global quality of life. These outcomes are sometimes single items or uni-dimensional constructs and sometimes profile measures, rendering the interpretation of findings in our context difficult. This complexity led to a revelation that one could think of QOL of the person differently from the QoL of the body. QoL of the person is best reflected through global QOL measures including those of life satisfaction whereas QoL of the body is reflected in outcomes related to aspects of function including physical, emotional, or psychological impairments, activity limitations and participation restrictions. This chapter will focus on the general construct of mobility, which is considered an activity limitation, and on the causes of limited mobility, impairments of structures and functions needed for mobility. A distinction is made between the between the person’s QoL and the body’s QoL. While the person’s QOL is best self-expressed, the body’s QOL could be monitored in real-time with the assistance of a growing portfolio of personal, wearable technologies. The chapter ends with thoughts about how QoL of the body, and especially mobility, could be monitored and what that future may look like.

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)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,769
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,343
Tête enseignante GPT0,501
Écart entre enseignants0,158 · 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
GenreAutre

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 revueHealth informaticsMême sujetOlder Adults Driving StudiesTravaux en français237 207