Implementing and Evaluating an Older Adult Physical Activity Model at Scale: Framework for Action
Notice bibliographique
Résumé
ABSTRACT Most research intervention trials demonstrate efficacy in selected samples. However, to improve population health, interventions that prove efficacious or effective in a research setting need to be delivered at scale. Despite this, relatively little attention has been paid to mechanisms and factors that support scaling up effective interventions. Thus, the purpose of this article is to describe the conceptual frameworks that guide implementation at scale of an evidence-based physical activity strategy for older adults (Choose to Move), our partnership approach to implementation and scale-up, and the methods we adopted to evaluate implementation and impact of this scaled-up model on older adults' physical activity, mobility, and social connectedness. From a socioecologic perspective, we describe 1) the design of the Choose to Move intervention, 2) the partnerships with key delivery organizations, 3) the implementation and scale-up frameworks that guide our approach, 4) the delivery of Choose to Move at scale, and 5) the protocols we will adopt to evaluate implementation and impact of Choose to Move. We adopt a type 2 hybrid effectiveness–implementation pre- and post-study design guided by scale-up, implementation, and evaluation frameworks. Specifically, we will first evaluate contextual factors that influence the implementation of Choose to Move. Second, we will evaluate effectiveness of Choose to Move on older adults' physical activity, sedentary time, capacity for mobility, and social connectedness using mixed methods. To address the escalating proportion of older adults that comprise our population and low levels of physical activity among them, it seems timely to refocus away from small-scale interventions. Should Choose to Move, a scalable, evidence-based physical activity model, be successfully delivered at scale, our approach has great implications to enhance older adult health at the population level.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,218 | 0,129 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,006 | 0,013 |
| Communication savante | 0,011 | 0,007 |
| Science ouverte | 0,007 | 0,013 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».