MétaCan
Menu
← Retour à la cohorte
Enregistrement W4281550476 · doi:10.36150/2499-6564-n407

Barriers and facilitators to older adults’ engagement in healthy aging initiatives

2022· article· en· W4281550476 sur OpenAlexaff
Amber Hastings‐Truelove, Setareh Ghahari, Angela Coderre-Ball, Dorothy Kessler, Jennifer Turnnidge, Britney Lester, Mohammad Auais, Nancy Dalgarno, Vincent DePaul, Catherine Donnelly, Marcia Finlayson, Diana Hopkins‐Rosseel, Klodiana Kolomitro, Kathleen E. Norman, Trisha L. Lawson, Denise Stockley, Richard van Wylick, Kevin Woo

Notice bibliographique

RevueJournal of Gerontology and Geriatrics · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensQueen's University
Organismes subventionnairesPfizer
Mots-clésCINAHLPsycINFOMEDLINEHealthy agingDemographicsGerontologyRehabilitationGerontological nursingMedicineCochrane LibraryGeriatric rehabilitationPsychologyNursingAlternative medicinePhysical therapyPsychological intervention

Résumé

récupéré en direct d'OpenAlex

Objectives. To identify the facilitators and barriers to older adults’ participation in healthy aging or cardiovascular rehabilitation programs. Methods. We conducted a scoping review to identify healthy aging program evaluations which identified participant barriers and facilitators. We developed a search strategy in the following databases: MEDLINE, Embase, APA PsycInfo, and Cochrane CENTRAL, all on the Ovid platform and Ebsco CINAHL.Results. We included 17 articles in this review. Our team categorized the barriers and facilitators of older adults’ participation in healthy aging programs into seven themes: attitudes, organizational structure, accessibility, social structure, knowledge, demographics, and program specifics.Conclusions. Understanding the facilitators and barriers that older adults face when deciding whether or not to participate or to continue participating in, healthy aging programs to promote in, cardiovascular health can help healthcare professionals provide optimal guidance for their patients and clients.

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)0,042
score de la tête « metaresearch » (Gemma)0,130
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: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,224

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0420,130
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0050,005
Études des sciences et des technologies0,0010,001
Communication savante0,0040,005
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,021
Tête enseignante GPT0,342
Écart entre enseignants0,320 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Gerontology and Geriatrics→Même sujetCardiac Health and Mental Health→Travaux en français237 207→