MétaCan
Menu
Retour à la cohorte
Enregistrement W4390187210 · doi:10.32866/001c.91402

Linking Neighborhood Walkability to the Independence and Quality of Life of Older Adults across Canada

2023· article· en· W4390187210 sur OpenAlexafffundabout
Paul Redelmeier, Meredith Alousi-Jones, Merrina Zhang, Isabella Jimenez, Ahmed El-Geneidy

Notice bibliographique

RevueFindings · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensNational Research Council CanadaMcGill University
Organismes subventionnairesNational Research Council CanadaGovernment of Canada
Mots-clésWalkabilityIndependence (probability theory)PerceptionQuality of life (healthcare)GerontologyDestinationsPsychologyBuilt environmentEnvironmental healthGeographyMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

In car dependent societies, driving cessation may reduce older adults’ independence and quality of life. One way to maintain independence for older adults after quitting driving is to encourage walking to local destinations. This paper explores how neighborhood walkability impacts older adults’ ability to maintain their lifestyles as they age. Based on data collected from the 2023 Aging in Place survey (N=3,551), we analyze the relationship between survey respondents’ perceptions of transport in their neighborhood and its Walk Score across 6 Canadian regions. We explore the association between neighborhood walkability and respondents’ perception of their independence, quality of life, and likelihood of needing to move in the future. We find that those living in walkable neighborhoods believe that they will maintain their lifestyle when they stop driving compared to those who live in less walkable areas. The results indicate that neighborhood walkability is a key element in enabling older adults to keep their independence and sustain their lifestyle.

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)0,003
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 enseignants0,010
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,029
Tête enseignante GPT0,319
Écart entre enseignants0,290 · 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

Citations1
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFindingsMême sujetUrban Transport and AccessibilityTravaux en français237 207