MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390042462 · doi:10.1093/geroni/igad104.0534

PSYCHOLOGICAL WELL-BEING AND PHYSICAL HEALTH IN THE CONTEXT OF OUR RAPIDLY AGING WORLD

2023· article· en· W4390042462 sur OpenAlexaff
Eric S. Kim

Notice bibliographique

RevueInnovation in Aging · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueResilience and Mental Health
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPsychosocialMultidisciplinary approachPsychological resiliencePsychological interventionContext (archaeology)PsychologyDual (grammatical number)Population ageingSuccessful agingPopulationGerontologyApplied psychologyMedicineSocial psychologySociologyPsychotherapistEnvironmental healthSocial sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Our society is rapidly aging. Thus, citizens, researchers, and policymakers alike are seeking ways to re-engineer society to achieve the dual aim of helping our aging population age well and fostering new ways for older adults to deploy the abundance of strengths that accrue with age. Most public health, biomedical, and psychological efforts have focused on reducing harmful risk factors. This approach has contributed greatly to prevention and treatment programs. However, another approach to achieving this dual aim is to expand the focus and evaluate upstream dimensions of psychosocial well-being. This approach might help inform the multidisciplinary and multi-level response efforts we need. In this talk, I will describe a theoretical model, results from a series of studies evaluating associations between a sense of purpose with reduced risk of chronic conditions, and mechanistic biobehavioral processes underlying these associations. This work aims to provide new directions for building a science of resilience and providing new targets for multi-level interventions that we can weave into our daily lives via practices and systems.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0030,001
Science ouverte0,0000,002
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 Opus0,056
Tête enseignante GPT0,447
Écart entre enseignants0,391 · 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
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetResilience and Mental Health→Travaux en français237 207→