MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390083984 · doi:10.1093/geroni/igad104.2299

THE PREVALENCE AND PREDICTORS OF APATHY AMONG CANADIAN LONG-TERM CARE RESIDENTS: A SECONDARY DATA ANALYSIS

2023· article· en· W4390083984 sur OpenAlexaffabout
Aderonke Agboji, Shannon Freeman

Notice bibliographique

RevueInnovation in Aging · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesnon disponible
Mots-clésApathyLong-term careResidenceMedicinePsychologyGerontologyPsychiatryCognitionDemography

Résumé

récupéré en direct d'OpenAlex

Abstract Apathy, defined as a reduction in interest or motivation to engage in goal directed activities, is a frequent and persistent health concern among persons residing in long term care facilities. Research showed that apathy is associated with rapid cognitive decline, impaired functional ability, and increased mortality risk. To prevent or mitigate the negative impacts of apathy on persons living in long term care facilities, there is need for better understanding of the risk factors associated with it. Therefore, the aim of this study was to determine the prevalence of apathy and its risk factors in a large sample of Canadian long-term care residents (N=332,454). We performed cross-sectional analysis of data from MDS 2.0 assessments completed between 2015 and 2019 fiscal year. Results from descriptive and inferential analyses showed that apathy was more prevalent among persons aged 65 or younger and speak English. The strongest predictors of apathy were province of residence (OR 4.09 (CI 2.99-5.59) followed by resistance to care (OR 2.43 CI 2.38-2.49), conflict with family (OR 2.30 CI 2.2-2.4), and insomnia (OR 2.16 CI 2.11-2.2). These findings highlight the important role of environmental contextual factors including the physical and social environment as well as personal factors in the development of or recovery from apathy. Strategies for combating apathy in long term care facilities should take into account the individual, institutional and provincial variances.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,167

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,008
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,039
Tête enseignante GPT0,377
Écart entre enseignants0,338 · 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'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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetGeriatric Care and Nursing Homes→Travaux en français237 207→