COMPREHENSIVE MOBILITY FRAMEWORK VERIFICATION USING CANADIAN LONGITUDINAL STUDY ON AGING DATA
Notice bibliographique
Résumé
Abstract Mobility within and between life spaces (one’s room, home, local community, and further destinations) positively influences quality of life and health in older adults. Understanding factors that impact mobility is relevant in many contexts (e.g., in clinical and research environments, for city-planning and social programming). The purpose of this study was to verify a comprehensive theoretical framework for mobility (Webber et al., 2010) with structural equation modelling using data from the Canadian Longitudinal Study on Aging (CLSA). We estimated associations between latent factors consisting of physical, psychosocial, environmental, financial, and cognitive attributes, and life space mobility for participants 65-85 years of age (n=11,667, mean age 73 ± 6 years) with age, sex and education as covariates. The model demonstrated good fit (CFI = 0.90, RMSEA (90% CI) = 0.025 (0.024, 0.026)). Physical, psychosocial, and cognitive health were positively associated with life space mobility. Being less afraid to walk after dark (environmental variable) was also associated with greater mobility. Financial status influenced mobility through positive associations with psychosocial health and physical health. Higher education was related to better cognitive function and better financial status. Age was indirectly associated with life space mobility through its negative associations with financial status, cognition, and physical health. The same model can be used for males and females. The comprehensive mobility framework was verified with the large population-based CLSA dataset. Continued use of the framework is supported as it accurately portrays the complexity of factors that influence older adults’ life space mobility.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».