MétaCan
Menu
Retour à la cohorte
Enregistrement W4388840832 · doi:10.54254/2753-7048/23/20230498

Research on the Exercise Prescription to Reduce the Health Problems of the Elderly Caused by Social Environment in China

2023· article· en· W4388840832 sur OpenAlexaff
Yining De

Notice bibliographique

RevueLecture Notes in Education Psychology and Public Media · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth and Wellbeing Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedical prescriptionChinaExercise prescriptionPublic healthMedicineGerontologyScope (computer science)Family medicinePhysical therapyNursingComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Combining the current situation of China’s social structure and the health condition of the elderly, using scientific methods to point out the application methods and scope of exercise prescription. What kind of health problems Chinese society brings to the elderly, and how these health problems should be solved by exercise prescription? This includes customized exercise prescriptions based on region, condition, health status, medical history, family environment, age, and gender. A census of health conditions was conducted using a large body of public health literature, which was then combined with physiological and psychological scholarly articles to develop a matched treatment program using the concept of exercise prescription. Chinese older adults need to be provided with individualized and tailored exercise prescription programs based on region, economic conditions, health status, medical history, family environment, age, and gender.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,858
Score d'incertitude au seuil0,869

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,110
Tête enseignante GPT0,492
Écart entre enseignants0,382 · 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 tête enseignante, 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLecture Notes in Education Psychology and Public MediaMême sujetHealth and Wellbeing ResearchTravaux en français237 207