MétaCan
Menu
Retour à la cohorte
Enregistrement W4384132760 · doi:10.1093/geroni/igad066

Engaging Nigerian Older Persons in Neighborhood Environment Assessment for Physical Activity Participation: A Citizen Science Project

2023· article· en· W4384132760 sur OpenAlexafffund
E.O. Odeyemi, Stephanie Chesser, ­Abby C. King, Michelle M. Porter

Notice bibliographique

RevueInnovation in Aging · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesSchool of Medicine, Stanford UniversityUniversity of ManitobaRobert Wood Johnson Foundation
Mots-clésPedestrianCitizen scienceBrainstormingBuilt environmentPhysical activityGeographyEnvironmental healthPublic relationsBusinessEnvironmental planningPsychologyTransport engineeringPolitical scienceEngineeringMarketingMedicineCivil engineering

Résumé

récupéré en direct d'OpenAlex

Background and Objectives: Global organizations are advocating that older persons' voices should guide communities in age-friendly design. An important aspect of age friendliness to enable daily function and health is ensuring that physical activity can occur, regardless of age, within local neighborhoods. Research Design and Methods: = 13) of older adults (60 or older) in Festac Town, Nigeria. The citizen scientists' roles were to assess and identify how different aspects of the neighborhood environment act as supports or barriers to their physical activity participation. They were individually enabled using a tablet-based mobile application called the Stanford Healthy Neighborhood Discovery Tool to record a total of 156 geocoded photos and 151 commentaries of neighborhood environmental features that facilitate or hinder physical activity in and around their neighborhoods. In a guided process, the following occurred: collaborative discussions of findings with other citizen scientists to determine common targets, setting of priority targets for change, and brainstorming strategies and solutions. Results: Facilitators of physical activity included: pedestrian and traffic facilities (e.g., traffic lights, walkways); green areas and parks; multigenerational community features (e.g., programs/facilities); opportunities for social connection (e.g., neighborhood associations, churches); safety of destinations and services; and public toilets. Barriers to physical activity included: hazardous walkways/traffic; noise pollution; refuse, selling of public parks; crime (e.g., kidnapping, criminal hideouts); no safe drinking water; and ageism. The priorities for changes were social connectivity; improved pedestrian and traffic facilities; and green and beautiful environments. Discussion and Implications: In this study, both physical and social aspects of the environment were deemed important for older Nigerians to enable physical activity in their local community. This approach has a promise for age-friendly initiatives seeking local changes by meaningfully engaging older adults.

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)0,006
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,001
Communication savante0,0020,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,399
Écart entre enseignants0,345 · 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

Citations9
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInnovation in AgingMême sujetTechnology Use by Older AdultsTravaux en français237 207