REDEFINING THE GOALS OF AGE-FRIENDLY INTERVENTIONS
Notice bibliographique
Résumé
Defining the goals of age-friendly interventions is a challenge to both policy and research. Interventions designed to make communities more age-friendly have targeted aspects of transportation, housing, food access, and strengthening social ties among others. Menec et. al. (2011) have suggested that the basic benefit of age-friendly communities is social connectivity, which is associated with these health outcomes. In 2015 a group of researchers came together to discuss and comment on Menec’s framework. This group considered Menec’s framework as it applies to age-friendly efforts, research, and policy. This panel is a follow up to the original discussion. Each presentation represents next steps in considering the implications of the framework for the future of age-friendly efforts. DeLaTorre and Neal, who have been involved with age-friendly efforts for 10 years, compare Menec’s framework to the work being done in Portland Oregon. They consider both similarities and differences in two approaches. Frochen and Pynoos Address housing policy and how housing fits into the age friendly framework. Ring, Glicksman, Kleban and Norstrand present a new methodological approach designed to support Menec’s focus on an ecological framework by using two types of environmental measures – spatial and self-report, to better understand health outcomes. Finally, Lehning and Greenfield will respond by placing the three presentations into a larger policy perspective. Verena Menec et. al.. (2011). Conceptualizing Age-Friendly Communities. Canadian Journal of Aging, 479–493
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,147 | 0,105 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,023 |
| Communication savante | 0,012 | 0,025 |
| Science ouverte | 0,006 | 0,019 |
| Intégrité de la recherche | 0,016 | 0,024 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».