A Digital Tool for the Self-Assessment of Homes to Increase Age-Friendliness: Validity Study
Notice bibliographique
Résumé
Background Age-friendly environments in homes and communities play an important role in optimizing the health and well-being of society. Older people have strong preferences for remaining at home as they age. Home environment assessment tools that enable older people to assess their homes and prepare for aging in place may be beneficial. Objective This study aims to establish the validity of a digital self-assessment tool by assessing it against the current gold standard, an occupational therapy home assessment. Methods A cohort of adults aged ≥60 years living in metropolitan Adelaide, South Australia, Australia, assessed their homes using a digital self-assessment tool with 89 questions simultaneously with an occupational therapist. Adults who were living within their homes and did not have significant levels of disabilities were recruited. Cohen κ and Gwet AC1 were used to assess validity. Results A total of 61 participants (age: mean 71.2, SD 7.03 years) self-assessed their own homes using the digital self-assessment tool. The overall levels of agreement were high, supporting the validity of the tool in identifying potential hazards. Lower levels of agreement were found in the following domains: steps (77% agreement, Gwet AC1=0.56), toilets (56% agreement, κ=0.10), bathrooms (64% agreement, κ=0.46), and backyards (55% agreement, κ=0.24). Conclusions Older people were able to self-assess their homes using a digital self-assessment tool. Digital health tools enable older people to start thinking about their future housing needs. Innovative tools that can identify problems and generate solutions may improve the age-friendliness of the home environment.
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 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 | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».