MétaCan
Menu
Retour à la cohorte
Enregistrement W4383115726 · doi:10.29327/1108645.4-28

Aging in place: Percepção de qualidade de vida para a pessoa.

2022· article· pt· W4383115726 sur OpenAlexaff
Janaina Moreno Garcia, Rita Cristina Sadako Kuroishi, Regina Yoneko Dakuzaku Carretta, Carla da Silva Santana

Notice bibliographique

Revuenon disponible
Typearticle
Languept
DomaineHealth Professions
ThématiqueHealth, Nursing, Elderly Care
Établissements canadiensTransport Canada
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Objetivo: Este estudo descreve as percepções da pessoa acima de 50 anos sobre as demandas de sua casa, comunidade, finanças, saúde e transporte que possam influenciar o envelhecimento no lugar. Metodologia: Estudo exploratório, transversal e de abordagem qualiquantitativa. Foram entrevistados pessoas com 60 anos ou mais que viviam na comunidade. A coleta de dados ocorreu por meio de entrevista com um roteiro estruturado sobre os dados sociodemográficos e um roteiro intitulado com “Meu plano de envelhecer no lugar”. O roteiro incluía questões sobre as necessidades pessoais, da residência, da saúde e bem-estar, das finanças pessoais, do transporte e a mobilidade na cidade, da interação na comunidade e participação social. Os participantes estabeleceram uma lista de prioridades e de ações que dependiam exclusivamente deles mesmos e/ou que precisava de ajuda e apoio. A análise de dados foi feita por meio da técnica de análise de conteúdo proposta por Bardin, 2011. Resultados: Foram entrevistados 20 sujeitos, doze mulheres e oito homens, de na faixa de 50 a 69 anos (n=10) e 70 a 80 anos (n=10) moradores da região noroeste de São Paulo. A maioria aposentados (n: 10), 09 moram com seus cônjuges e 06 com filhos e netos, oito participantes eram casados e 12 viúvos. As principais prioridades dos entrevistados referentes ao envelhecimento no lugar, estão no âmbito da saúde (n=11), família (n=6), finanças (n=3), viagens (n=3) e casa própria (n=2).

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,095
Tête enseignante GPT0,461
Écart entre enseignants0,366 · 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'admission1
Résumé présentoui

Explorer davantage

Même sujetHealth, Nursing, Elderly CareTravaux en français237 207