MétaCan
Menu
Retour à la cohorte
Enregistrement W4388747405 · doi:10.3389/fpsyg.2023.1287486

Technology to support aging in place: key messages for policymakers and funders

2023· review· en· W4388747405 sur OpenAlexafffundabout
Courtney Genge, Heather McNeil, Patricia Debergue, Shannon Freeman

Notice bibliographique

RevueFrontiers in Psychology · 2023
Typereview
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensUniversity of Northern British ColumbiaPositive Living NorthNational Research Council Canada
Organismes subventionnairesMichael Smith Health Research BCAGE-WELL
Mots-clésAging in placeKey (lock)Health carePerspective (graphical)Public relationsBusinessValue (mathematics)Quality of life (healthcare)PsychologyQuality (philosophy)MarketingGerontologyNursingPolitical scienceMedicineEconomic growthComputer scienceEconomicsComputer security

Résumé

récupéré en direct d'OpenAlex

AgeTech, a subset of the health technology industry, uses technology to support healthy aging, and support care partners and health professionals to improve quality of life for aging adults. By enhancing and adapting alternative care approaches through emerging technologies, it is possible to enable and extend the ability for older adults to safely age in place within their own homes, improve care experiences, and/or decrease long-term care costs/needs. With the rapid development and proliferation of AgeTech into the consumer market, it is paramount for policymakers and funders to ensure that AgeTech solutions can be leveraged to support older adults to age well in place. This paper highlights five key messages for policymakers and funders drawing on experiences from Canada. First, it is essential to embrace a life course perspective on aging, recognizing the heterogeneity of older adults who experience diverse and evolving needs. AgeTech should adapt as needs and capacities evolve. Second, AgeTech should solve a real problem. Technology must be well aligned to the needs and preferences of older adults to be impactful. Third, health related AgeTech should empower, enhance, or support existing health care services, while recognizing the value of human interactions. In-person interactions can provide meaningful connection and important health data which should be enhanced not replaced. Fourth, the establishment and ongoing fostering of authentic partnerships to inform, co-create and co-design AgeTech solutions is key to developing successful products. Finally, policymakers and funders have an important role to play in enabling accelerated design, development and testing to meet current and future needs.

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)0,085
score de la tête « metaresearch » (Gemma)0,146
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,156
Score d'incertitude au seuil0,447

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0850,146
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0200,017
Communication savante0,0310,038
Science ouverte0,0080,039
Intégrité de la recherche0,0630,044
Charge utile insuffisante (le modèle a refusé de juger)0,0240,004

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 Opus0,065
Tête enseignante GPT0,445
Écart entre enseignants0,380 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetTechnology Use by Older AdultsTravaux en français237 207