MétaCan
Menu
← Retour à la cohorte
Enregistrement W4280617349 · doi:10.32920/19750075.v1

Finding the silver lining: aging well amongst older Brazilian women

2022· preprint· en· W4280617349 sur OpenAlexaffabout
Stephanie Pedrotti Lucchese

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésSnowball samplingGerontologyPopulation ageingMeaning (existential)ImmigrationFace (sociological concept)Context (archaeology)Older peopleGender studiesHealthy agingPhenomenology (philosophy)PsychologySociologyPopulationMedicineGeographySocial scienceDemographyPsychotherapist

Résumé

récupéré en direct d'OpenAlex

The aging population in Canada has been increasing steadily over the past 40 years, however, there is limited information about the meaning of aging amongst older Brazilian women. Hence, my study aimed to understand the meaning of aging well amongst older Brazilian women in the post-migration context living in the Greater Toronto Area (GTA) in Ontario, Canada. The methodology and framework used to guide my study was Heideggerian interpretive phenomenology. Eight older Brazilian women residing in the GTA were recruited through purposive and snowball sampling and participated in individual face-to-face interviews. Using van Manen’s approach to data analysis and Heidegger’s four existentials of human existence, four subthemes were developed: Embracing being part of a mosaic, Aging with grace, Chasing your dreams, and Being a bridge and not a fence. The overarching theme was: Finding the silver lining: Aging well amongst older Brazilian women. My study findings have implications for research, policy and practice to enhance the delivery of culturally responsive care to older immigrants to improve health outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,295
Score d'incertitude au seuil0,586

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,006
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
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 Opus0,053
Tête enseignante GPT0,389
Écart entre enseignants0,336 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAging and Gerontology Research→Travaux en français237 207→