Factor affecting the activities of daily living among aging people during the COVID-19 pandemic – a structural equation modelling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: The activities of daily living (ADLs) are a set of basic skills necessary for self-care. The inability of elderly people to perform ADLs leads to dependence, insecure conditions, and poor quality of life. The COVID-19 pandemic has affected all aspects of the daily life of the elderly. This study aimed to determine the factors associated with ADLs among elderly people during the COVID-19 pandemic using structural equation modelling/path analysis. Material and methods: It was a descriptive-analytical study which had conducted on 487 elderly people who were selected randomly to participate in the study. Data collection tools included a demographic information questionnaire, an activities of daily living questionnaire, a knee pain and personal performance questionnaire Western Ontario and McMaster Universities Osteoarthritis (WOMAC), and the falls efficacy scale, which were completed by interview and self-report methods. SPSS-22 and AMOS software were used for data analysis. Results: < 0.001, root mean square error of approximation = 0.063). These variables explained 64% of the ADL variance. Conclusions: The structures of this model (FOF and WOMAC) can be used as a reference framework to design effective interventions for improving ADLs among elderly people during the COVID-19 epidemic. It is also recommended that a multi-component program be provided, which includes exercise and psychological strategies for this population during the COVID-19 pandemic through online videos, distance health programs, etc.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découle