MétaCan
Menu
← Retour à la cohorte
Enregistrement W4405964056 · doi:10.1093/geroni/igae098.1706

WORKING WITH DIVERSE ELDERS IN RURAL COMMUNITIES (OPPORTUNITIES AND STRENGTHS)

2024· article· en· W4405964056 sur OpenAlexaboutno aff
Karen Kopera-Frye, Lyn Holley, Cassandra D. Ford

Notice bibliographique

RevueInnovation in Aging · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Aging, and Tourism Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeographyGerontologyMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract The focus of this symposium is to discuss the opportunities and strengths of working with diverse elders and older adults in rural communities. Accounts of field experiences will be shared, and methods of utilizing existing data that hold promise for addressing current problems; along with building the foundation of communication and relationship requisite to successful design, development, and implementation of improvements will be described through various studies with rural and/or indigenous peoples. We will discuss the role of social determinants of health, race, and rurality on frailty trajectories utilizing data from the National Health and Aging Trend Study. An innovative approach for leveraging older adult farmers’ expertise to facilitate effective emergency decision-making in Fraiser Valley, British Columbia, Canada, will be described. Ongoing research with Alaskan Native Elders provides insight into the need for effective research with Indigenous cultures, especially Elders, by developing trusting and mutually beneficial relationships. Research strategies involved historical, social, cultural, and inter-relational perspectives. Insight into how Cuidando con Respeto, a program with Latinx elders, builds bridges to health care and mutual understanding nurtured at the community level and shows promise in empowering caregivers within a familismo-culturally relevant manner will be shared. The use of mobile pain applications and considerations when designing health technology will be examined with diverse older adults.

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)0,013
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0180,003
Communication savante0,0050,005
Science ouverte0,0020,016
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,070
Tête enseignante GPT0,313
Écart entre enseignants0,243 · 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'étudeQualitatif
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetMigration, Aging, and Tourism Studies→Travaux en français237 207→